Analyse lexicale de corpus en anglais

CAHIERRECHERCHESEPTEMBRE 1996 N° 95

ANALYSE LEXICALE DE CORPUS EN ANGLAIS

Valérie BEAUDOUIN Frédéric BROCHET

Département “Prospective de la consommation”

Crédoc - Cahier de recherche. N° 0095 : Analyse lexicale de corpus en anglais / Valérie Beaudouin, Frédéric Brochet. Septembre 1996.

CREDOOBibliothèque ENTREPRISE DE RECHERCHE

Centre de Recherche pour l'Étude et l'Observation des Conditions de Vie

ANALYSE LEXICALE

DE CORPUS EN ANGLAIS

Valérie BEAUDOUIN

Frédéric BROCHET

Avec la collaboration de

Aude COLLERIE de BORELY

Claire EVANS

Ségolène Even

Chantal RENAULT

SEPTEMBRE 1996

142, rue du Chevaleret7 5 0 1 3 PARIS

Analyse lexicale de corpus en anglais 3

Sommaire

INTRODUCTION....................................................................................................................................................5

PRÉSENTATION DES CORPUS....................................................................................................................... 11

1. PROBLÈMES POSÉS PAR LA TAILLE DES CORPUS........................................................................... 17

2. CONSTRUCTION D'UNE VERSION D'ALCESTE EN ANGLAIS................................................... 23

2.1. FAUT-IL OU NON UN DICTIONNAIRE DE MOTS-OUTILS ?....................................................25Corpus de fiches de dégustation......................................................................................26Les problèmes prioritaires en matière d’environnement................................................27Conclusion...................................................................................................................... 33

2.2. FAUT-IL OU NON LEMMATISER ?.................................................................................................... 35Les problèmes d’environnement.....................................................................................37Les fiches de dégustation de vins....... ............................................................................ 40Conclusion...................................................................................................................... 41

2.3. ÉTAT D’AVANCEMENT DE LA NOUVELLE VERSION DU LOGICIELALCESTE EN ANGLAIS..................................................................................................................... 43

3. COMPARAISON TEXTE BRUT / TEXTE INDEXÉ..................................................................................45

CONCLUSION............... 59

BIBLIOGRAPHIE..................................................... 65

ANNEXES............................. 69

ANNEXE 1 : LE THESAURUS DES PROBLÈMES PRIORITAIRES DEL’ENQUÊTE RECHERCHE ET ENVIRONNEMENT................................................................... 71

Mots-clés et fréquences de citation......................... 73Appariement mots-clés anglais et français........ .............................................................81

ANNEXE 2 : ANALYSE DES OBSERVATIONS DES QUESTIONNAIRES ENFRANÇAIS DE L’ENQUÊTE RECHERCHE ET ENVIRONNEMENT.....................................85

L’ensemble A : perception et constat..............................................................................89Ensemble B : analyse et prospective...............................................................................94

CRÉDOC


INTRODUCTION!

1 Nous tenons à remercier Patrick Mac Leod pour la pertinence de ses commentaires et la relecture de ce rapport.

CRÉDOC


Nous présentons dans ce cahier de recherche l’état d’avancement d’un chantier en cours.

Depuis le début de 1995, nous sommes confrontés à des corpus de textes en anglais. A cette

époque, nous ne disposions pas de méthode d’analyse de statistique textuelle raffinée comme

pour le français : le logiciel Alceste, conçu et réalisé par Max Reinert [1983, 1990]. Nous

avons déjà eu l’occasion de présenter son fonctionnement et des exemples d’utilisation dans

divers cahiers de recherche. On pourra se reporter à [Beaudouin et Lahlou, 1993]. II faut

rappeler que les méthodes d’analyse des données, et plus particulièrement les méthodes de

statistique textuelle, ont vu le jour et se sont principalement développées en France, sous

l’égide de J.P. Benzécri [1981]. Elles se sont diffusées tout le long du pourtour

méditerranéen, mais n’ont pas atteint les pays anglo-saxons, ce qui explique le « vide » en

statistique textuelle anglaise. L’examen de l’origine géographique des participants aux JADT

(Journées internationales d’Analyse des Données Textuelles [S. J Anastex, 1993] et [Bolasco,

Lebart et Salem, 1995]) en est une preuve parmi d’autres.

La question était : comment faire de l’Analyse des Données Textuelles (ADT) sur des textes

anglais ?

Dans le but de rendre les fichiers de sortie (classes de la typologie) indépendantes de la

langue des fichiers d’entrée (corpus), trois voies étaient possibles.

• La première voie, l’autoroute, aurait consisté à faire traduire les textes de l’anglais vers le

français, soit par des traducteurs professionnels, soit à l’aide d’outils de TAO (Traduction

Assistée par Ordinateur). L’analyse aurait ensuite porté sur des textes en français, un

domaine bien balisé. Cette voie est en cours de test. Pour cela, il fallait disposer d’un

traducteur automatique mais aussi de la version en anglais d’Alceste pour comparer les

analyses sur textes en anglais et sur textes traduits.

• La seconde voie, ou voie rapide, mise en place pour répondre aux exigences de résultats

rapides de l’enquête bilingue « Recherche et Environnement » a conduit à indexer les

textes par mots-clefs, à procéder à une traduction sommaire de ces mots-clefs puis à

effectuer des analyses sur les corpus de réponses réduites à leurs mots-clefs. Pour cela, il a

quand même fallu tester la cohérence des analyses effectuées sur des textes indexés par

CRÉDOC

8 Introduction

rapport aux analyses sur texte brut. Cette comparaison, qui fait l'objet d'une partie de ce

rapport, a été effectuée sur les réponses en français. Nous ne disposions pas alors de la

version anglaise d'Alceste.

• La troisième voie, ou voie lente, avait un double objectif : établir quels étaient les éléments

indispensables pour construire une version d'Alceste adaptée à l'anglais puis mettre en

place ces éléments. En vue du premier objectif, de nombreux tests comparatifs ont été

effectués pour voir s’il était utile ou non de construire un dictionnaire de mots-outils (la

question se pose déjà pour l’analyse d’autres langues) et de lemmatiser... Les tests n'ont

pas tous abouti à des conclusions concordantes. Des difficultés liées à la nature des corpus

analysés ont été rencontrées qui nous ont amenés à faire des détours par rapport à notre

objectif initial. En effet, la mise en place d'une version en anglais a eu pour effet indirect

de proposer des améliorations pour la version française d’Alceste, dont certaines sont déjà

prises en compte dans la nouvelle version qui devrait être installée au CREDOC d’ici la fin

de l’année 1996.

Cette interrogation est née de la nécessité d’analyser les résultats de l’enquête « Recherche et

Environnement » qui est essentiellement constituée de questions ouvertes en anglais ou en

français. Les résultats de cette étude figurent dans [Laredo, Volatier et Collerie de Borely ,

1996] et devraient donner lieu à la publication d’un rapport d’ici la fin de l’année 1996.

Nous n’étions pas les seuls à vouloir traiter des textes en anglais. Hormis la voie rapide qui ne

concernait que le CRÉDOC, tout le travail a été réalisé en collaboration avec Frédéric

Brochet, doctorant de l’EPHE sous la direction de Patrick Mac Leod, qui avait lui aussi de

gros corpus en anglais à analyser.

Concrètement, il existe aujourd'hui une version en anglais d’Alceste avec reconnaissance des

mots-outils et lemmatisation : les dictionnaires utilisés ont été constitués par nous-mêmes

puis adaptés et intégrés au logiciel par Max Reinert. La reconnaissance des mots-outils

semble satisfaisante au regard des différents tests effectués, mais la qualité de la

lemmatisation n’a pas encore été testée.

CRÉDOC


L'organisation de ce rapport ne correspond pas à la progression chronologique de notre

travail : dans un souci de clarté et de concision, nous avons préféré suivre un enchaînement

logique dicté par les aspects algorithmiques de notre travail. Nous commençons par revenir

sur les problèmes de limitations en taille des tableaux gérés par le logiciel Alceste, que nous

avons à nouveau rencontrés en dépit d’une très grande amélioration par rapport à la version

précédente. Nous attendons avec impatience l’installation de la nouvelle version qui devrait

enfin permettre de traiter correctement nos corpus les plus volumineux. Ensuite nous

abordons la « voie lente », c’est-à-dire les différentes étapes de la constitution de la version

anglaise d’Alceste. Nous en venons alors à la « voie rapide », l’indexation par mots-clefs

pour tester la pertinence et la solidité de cette approche. La voie de la traduction est

actuellement en cours de test et donnera lieu prochainement à une présentation des résultats.

CREDOC


PRÉSENTATION DES CORPUS

CRÉDOC


La mise au point de la version anglaise d’Alceste a nécessité de nombreux tests sur des

corpus en anglais mais aussi en français. Les corpus sont les suivants :

• 10443 fiches de dégustation de vins, soit environ 3,5 MO, rédigées en anglais par un seul

auteur, Robert Parker, critique de vin américain. Une fiche se présente de la manière

suivante (la description comprend en moyenne 50 mots) :

**** *pr_çhateau Mont Redon Chateauneuf Du Pape *m_1990 *a_Rhone *n_85 *t_Red

Mont Redon has been utilizing some small oak barrels for aging a percentage of their red wine, and this has resulted in an almost Bordeaux-like structure and austerity in certain vintages. The 1990 displays deep ruby color, a ripe, medium to full-bodied, highly structured feel on the palate, plenty of tannin, and a closed, firm style. After bottling, there is significantly less to the wine than prior to its filtration. Drink it over the next 4-8 years before it dries out.

Dans les fiches de dégustation rédigées par Parker, la première ligne (« étoilée ») consigne

les informations figurant sur l’étiquette de la bouteille (propriété, appellation, millésime,

grande région, couleur) et le texte qui suit est la description du produit.

Ce corpus est utilisé dans le cadre d’un travail de doctorat (Frédéric Brochet) en

neurosciences cognitives qui traite des aspects cognitifs de la dégustation, conduit à

l’EPHE, sous l’égide de Patrick Mac Leod. Dans la problématique, la ligne étoilée est

considérée comme l’objet, et le texte associé comme sa représentation. On cherchera donc

à extraire du corpus les « mondes lexicaux » [Reinert, 1993] que l’on interprète en terme

de « noyaux de représentation » [Lahlou, 1995]. Concrètement, on construit une typologie

(où chaque classe est censée suggérer un noyau) à partir des cooccurrences de mots à

l’intérieur d’une fiche.

• un corpus de fiches de dégustation rédigées en français. Ce corpus (utilisé par F. Brochet)

est constitué des 32 000 fiches de dégustation des cinq derniers Guide Hachette des vins de

France, aimablement communiqués sous forme numérique par les éditions Hachette. Le

volume de ce corpus s’élève à 11 Méga-Octets. L’analyse a porté sur une sélection au

hasard de 4 000 fiches, soit 1,2 MO.

CRÉDOC

14 Présentation des corpus

• les 4 962 descriptions en anglais de problèmes d’environnement (0,7 MO) en réponse à la

question ouverte : « Please provide maximum details when identifying the eight major

environmental problems of the future, stressing possible areas of interdependence. ».

• les 2 805 descriptions en français de problèmes d’environnement (0,4 MO) en réponse à

cette même question : « Veuillez préciser avec le maximum de détails quels seront dans le

futur les huit problèmes d’environnement prioritaires, en insistant sur les interdépendances

possibles » rédigées par les chercheurs francophones.

Cette question qui admet au maximum huit réponses a été posée dans le cadre de l’enquête

« Recherche et Environnement ». Le CRÉDOC est un des partenaires principaux de cette

enquête européenne auprès de chercheurs du monde entier réalisée en France sous la

coordination de J. Theys et C. Courtet. Le questionnaire a été envoyé à près de dix mille

chercheurs. Il était rédigé en français pour les pays francophones (donc rempli en français)

et en anglais pour tous les autres pays. Un millier (1030 exactement) de chercheurs du

monde entier ont eux-mêmes rédigé les réponses.

La disparité dans les réponses est très grande comme le montre la Figure 1 : longueur très

variable, construction, articulation logique présentes ou absentes...

CRÉDOC


Questionnaire peu rempli

n°pb

Questionnaire très rempli

Demographic explosion and famine. 1 Much to my surprise what I deem to be most important doesn't figure in your list : improved energy efficiency. It is the most rational "source" of energy, a classical cross-issue task, and probably the most realistic way to implement reduction of energy needs (and related pollution), since Western publics don't seem to be keen to reduce their standard of living.

Overuse of fossil fuels. Involves depletion and pollution.

2 Since increased efficiency won't be sufficient, development of renewable -and hence sustainable- energy sources (solar would be best) is of utmost importance.

Terrorism. 3 Next, and equally basic, preservation of high quality drinking water resources seems a problem of both global and especially regional concern that not yet receive the amount of attention it deserves.

Uncontrolled disease. 4 We need to keep an eye on climate change. The - potential- scope and the irreversibility of its consequences make this an issue worth every attention. In the light of research results, no. 1 and 2 above may even increase in importance.

Impact on short-term priority (e.g. CAP) on long term environmental quality.

5 The option of nuclear power should be kept open, through it won't solve all energy problem and in itself it is highly problematic, especially the problem of nuclear waste disposal (long-term storage, save against links and terrorism and abuse for military purposes) deserve high attention.

Nuclear accidents/explosion. 6 Next, the bundle of problems you list under "Development : population growth" becomes an ecological problem and "eats up" economic development. Yet, there is no ethical way of population control except through development, especially for women. Only save prospects for a decent living will lead people to reduce their number of offspring.

Climate change. 7 The value problematic is next in importance: democracy gets under stain where it has taken roots long ago (in the West, that is) through a lack in civic responsibility and public contempt for politics; the mles of the democratic game have yet to be internationalized in many Eastern and Southern countries.

Biodiversity loss. 8 Soil conservation, like water preservation, gets too little attention so far. Even post-industrial societies will come to understand that they still depend on high quality soil, not concrete.

Figure 1 : Exemples de questionnaires (peu ou très rempli)

Ce sont les problèmes prioritaires qui sont ici retenus comme individus statistiques et non les

chercheurs eux-mêmes.

CRÉDOC

16 Présentation des corpus

Les textes des réponses ont été saisis intégralement au CREDOC dans la langue de rédaction.

Ensuite, chaque problème a été indexé par mots-clefs (au maximum six). Ce travail a été

effectué par Ségolène Even, Mathieu Fortineau et Zohra Amara.

Cette codification était nécessaire pour réaliser des analyses fines par mots-clefs. Par

exemple, le mot-clef « sustainable development » a été affecté chaque fois qu’une réponse

évoquait la problématique de « développement durable », « préférence pour le long terme »,

etc.

Cette option méthodologique présente en outre l’avantage de contourner le délicat problème

de la traduction. Dans certains cas, l’existence de nuances dans les réponses francophones ou

d’expressions-clefs non traduisibles —comme « parcellisation de l’espace »— a conduit à

garder des mots-clefs français ou anglais non traduits.

Pour l’enquête « Recherche et Environnement », les noms suivants seront parfois utilisés pour

désigner les corpus :

Textes indexés par mots-clefs

Textes bruts

anglais TIAN TBANfrançais TIFR TBFR

CRÉDOC


1. PROBLÈMES POSÉS PAR LA TAILLE DES CORPUS

CRÉDOC


La dernière version du logiciel Alceste sous UNIX permet en théorie de traiter des corpus de

toutes tailles (jusqu'à 10 Méga-Octets). L’analyse construit un tableau qui contient en ligne

les unités de contexte (réponse à une question ouverte, fiche de dégustation...), en colonne les

mots du vocabulaire. A l’intersection d’une ligne et d’une colonne, on a « 1 » si le mot est

présent dans l’unité de contexte, « 0 » sinon.

Dans la pratique, la taille du tableau analysé est soumise à trois contraintes :

1. Le nombre d’unités de contexte, c’est-à-dire le nombre de lignes dans le tableau analysé,

(dans notre cas les unités analysées sont les problèmes d’environnement ou les fiches de

dégustation), qui est limité à 10 000 ;

2. Le nombre de mots analysés (les colonnes du tableau) limité à 1 400 ;

3. Le nombre de « uns », c’est-à-dire d’occurrences dans le tableau, fixé à 90 000 (le tableau

ne doit pas être rempli à plus de 6%).

Dans le traitement des questions ouvertes, nous n’atteignons pas la première limite. En

général, dans les enquêtes du CRÉDOC, les échantillons sont constitués de 1 000 à 2 000

personnes. Le corpus le plus vaste provient de l’enquête « Recherche et Environnement » à

laquelle ont répondu près d’un millier de chercheurs : chacun a décrit en moyenne 7,5

problèmes prioritaires en matière d’environnement, ce qui nous amène à un corpus de 7767

textes.

Nous avions déjà rencontré la troisième limitation sur les pièces de Corneille et Racine avec

une version plus ancienne d’Alceste [Beaudouin, 1994]. Suite à cette expérience et à d’autres,

Max Reinert avait fortement augmenté les capacités de calcul de son logiciel : le nombre de

« uns » avait doublé par rapport à la version d’alors. Mais ce n’est toujours pas suffisant.

De fait, lorsque le corpus est de grande taille, et que le maximum de « uns » est dépassé, les

seuils de fréquence sont automatiquement modifiés : les mots de plus hautes fréquences sont

supprimés ainsi que ceux de plus basse fréquence. En général, dans les traitements de

statistique textuelle, sont conservés tous les mots de fréquence supérieure à trois. Quand les

corpus sont de taille très élevée, le vocabulaire analysé et —par conséquent— les occurrences

CRÉDOC

20 Problèmes posés par la taille des corpus

sont réduits comme peau de chagrin. Par exemple, sur le corpus de Parker, les contraintes de

taille font que seules sont conservées les fréquences comprises entre 52 et 204 (cf. Figure 2).

Cet intervalle de fréquence correspond à 7,3 % du vocabulaire et 12,6 % des occurrences.

L’analyse ne porte plus que sur une très faible tranche du contenu du corpus. Notamment, des

mots qui, en cas d’échantillonnage du corpus, contribuent fortement à la constitution de

classes, sont écartés de l’analyse de sorte que le contenu des classes s’en trouve fortement

modifié. En revanche, en traitant un échantillon de Parker (sélection d’une fiche sur quatre,

corpus « Sélection »), on traite toutes les fréquences supérieures à 3 et inférieures à 3000, ce

qui correspond à 35,6 % du vocabulaire et 82,4 % des occurrences.

1 oooo

1 ooo

(/>+*OEQ>

TJ

0>L_oÛ

1 00 ++-L+ -r“*.

4- ± \ ,3' rl(c.

1 04"f.+•++’ ,

+ ..+•!'+ •. •T-T 4 <•. ..+ + -f-4- •++ + -4+ •

-444 -H—44“4 -■

1 04 -4 --

1 00

44—4,H4* (tU •• ( <«• •

... -4 -1 000

• Parker 4 Sélection

Clef de lecture : Dans le corpus « Sélection », près de 1000 mots ont une fréquence de 2. Les deux droites verticales délimitent la gamme de fréquence, très réduite, utilisée par Alceste sur le corpus « Parker ».

Figure 2 : Courbes de Zipf (corpus Parker intégral et sélection)

CRÉDOC


Le précepte qui consiste à travailler sur des corpus de grande taille reste valable, mais pour

que les analyses restent crédibles, elles doivent être conduites sur des échantillonnages de

l’ordre du méga-octet.

Max Reinert nous annonce que dans la prochaine version la limite de « 1 » est passée de

90 000 à 300 000. Différents tests effectués sur les sept Mo que constituent les oeuvres

complètes de Claude Simon, objet de recherche de Pascal Mougin [1995], l’ont convaincu de

la nécessité d’augmenter les capacités de calcul. Dernière évolution du logiciel : le nombre de

classes maximum est passé de 12 à 15.

CRÉDOC


2. CONSTRUCTION D’UNE VERSION D’ALCESTEEN ANGLAIS

CREDOC


Le logiciel Alceste s’est montré adapté à l’analyse des textes en français. Qu’en est-il pour les

textes rédigés en anglais ? Comment établir des comparaisons entre textes français et anglais

autour d’une même thématique ?

Est-il nécessaire de constituer une version anglaise aussi élaborée que la version française ?

Plus précisément, est-il nécessaire de constituer des dictionnaires de mots-outils, des index de

suffixes et de désinences... ? Ou bien les analyses peuvent-elles fournir des résultats

comparables, au prix de raccourcis commodes comme l’élimination des mots-outils et la

lemmatisation ?

2.1. FAUT-IL OU NON UN DICTIONNAIRE DE MOTS-OUTILS ?

L’objectif est d’étudier l’incidence des mots-outils sur la constitution des champs lexicaux

(construits par l’analyse des cooccurrences). Nous appelons mots-outils, les mots

grammaticaux, non porteurs de sens qui constituent le ciment syntaxique du texte :

prépositions, pronoms, conjonctions, déterminants... Ils sont définis par opposition aux mots

lexicaux, « chargés d’une fonction sémantique » [Tesnière, 1959, p. 53], qui renvoient à un

référent : noms, verbes, adjectifs, adverbes.

Comment la syntaxe modifie-t-elle la constitution des classes, et à travers elles les noyaux de

la représentation ?

A la suite de différentes analyses affectant différents rôles aux mots-outils, on effectue des

comparaisons sur la base de :

- l’architecture des classes : proximités, agrégation... ;

- le contenu sémantique et la taille des classes ;

- la concordance entre les classements des textes et de leurs variables (mots-étoilés).

CRÉDOC

26 Construction d'une version d’Alceste en anglais

CORPUS DE FICHES DE DÉGUSTATION

Dans un premier temps, nous avons cherché à comparer les analyses sur le corpus de Parker

(fiches de dégustation rédigées en anglais). Pour des raisons de taille (cf. première partie),

nous n’avons pas pu travailler sur le corpus complet. Les analyses sur le sous-échantillon

« Sélection » ont conduit à des résultats décevants : aucune partition ne semblait satisfaisante

au-delà de trois classes, elles semblaient toutes difficiles à interpréter. Par conséquent, les

comparaisons d’analyses avec et sans mots-outils étaient peu pertinentes. Nous ne sommes

pas encore en mesure de savoir si la médiocrité des analyses est liée à des biais du corpus (par

exemple la pratique intense du « copier—coller ») ou au contenu même de la description qui

se prête mal à une partition fine sémantiquement pertinente. Nous nous sommes donc rabattus

sur le corpus de fiches de dégustation en français.

Sur le corpus du Guide Hachette, on compare deux typologies issues de deux analyses. L’une

intègre les mots-outils dans le calcul des classes (les mots-outils sont actifs), l’autre non (les

mots-outils sont alors des variables illustratives). L’intégration ou non des mots-outils dans la

constitution statistique des classes est la seule différence entre ces deux analyses (le mode

opératoire est strictement identique dans les deux cas).

Les résultats obtenus présentent peu de différences : la constitution des classes est peu ou pas

influencée par la présence des mots-outils. D’ailleurs, lorsque des mots-outils sont

spécifiques d’une classe, ils sont également rattachés à cette même classe, lorsqu’ils sont

considérés comme des variables illustratives. Prenons par exemple la classe, qui a été

désignée par l’expression « Coeur de Bourgogne » (pour l’interprétation cf. [Brochet, à

paraître]) . Elle apparaît dans les deux classifications. Dans la première, avec mots-outils

actifs, les mots typiques sont : an, bourgogne, car, celui, ci, coeur, comme, corps, coup,

dernier, dit, il, millésime, ne, pas, quand, que, pourtant, davantage, viticulteur, ... Dans la

seconde, avec mots-outils illustratifs, les mots pleins sont : bourguignon, clos, dernier, climat,

coeur, corps, coup, dire, nuit, voir, millésime, viticulteur, tempérament, ... Les mots-outils

spécifiques sont : croire, dire, jamais, ne, pas, rien, sans doute, volontiers, car, comme,

CRÉDOC


davantage, celle... La classe est suffisamment robuste pour se constituer en présence ou non

des mots-outils.

Dans le cas présent, le rôle joué dans l’analyse par les mots-outils n’a pas d’incidence sur les

résultats. Il n’empêche que pour la cohérence de la démarche (on recherche avant tout des

éléments porteurs de sens qui renvoient à un référent : autant ne pas analyser les mots vides

de sens) et pour le travail d’interprétation, il est plus pertinent de ne pas donner le même

statut aux mots pleins et aux mots vides.

LES PROBLÈMES PRIORITAIRES EN MATIÈRED’ENVIRONNEMENT

Les tests sont effectués dans cette partie sur les problèmes prioritaires en matière

d’environnement, tels qu’ils ont été décrits par les chercheurs interrogés. Le corpus est

constitué de 4962 problèmes décrits en anglais. Trois analyses sont ici effectuées et

comparées, les variations dans les paramètres concernent comme précédemment le rôle des

mots-outils :

• Analyse 1 : les mots-outils sont éliminés, à l’aide d’un dictionnaire de mots-outils ;

• Analyse 2 : un seuil de fréquence supérieur est fixé pour exclure tous les mots au-dessus

de cette fréquence, ceci permet d’éliminer une grande partie des mots-outils ;

• Analyse 3 : tous les mots du corpus interviennent dans l’analyse.

Il est nécessaire d’expliciter l’hypothèse qui se cache derrière la deuxième option. Le moyen

le plus sûr d’éliminer les mots-outils est de disposer d’un dictionnaire de mots-outils et de

rechercher dans le texte tous les mots qui y sont présents afin de les extraire. Cela suppose

bien entendu la construction préalable de la liste des mots-outils. Supposons que ce

dictionnaire n’existe pas. N’y-a-t-il pas un autre moyen d’extraire les mots vides ? L’étude de

la répartition du vocabulaire apporte des résultats tout à fait intéressants. Zipf [1934] a montré

CRÉDOC

28 Construction d’une version d'Alceste en anglais

que le vocabulaire était organisé d'une manière systématique dans un corpus : il y a beaucoup

de mots très peu fréquents, très peu de mots très fréquents ; le nombre de mots ayant une

fréquence F, diminue quand F augmente selon une loi bien définie. Or une des particularités

de cette courbe, très tôt mise en évidence [Encyclopedia Universalis,1968, p. 1056] est que

les mots très fréquents sont en général des mots-outils.

En fixant un seuil de fréquence élevé, on a donc la possibilité d'éliminer une grande partie

des mots-outils.

Dans Alceste, cela peut être fait non pas directement en fixant un seuil de fréquence, mais en

éliminant un certain pourcentage des occurrences par suppression des mots les plus fréquents.

La courbe des occurrences cumulées (cf. Figure 3) nous incite à penser qu’en supprimant

30% des occurrences, on élimine essentiellement des mots-outils, les exceptions étant :

pollution, water, energy, climate et soil.

CRÉDOC


N cumulé

V cumulé

-8 g; S s I J ® ■» JS*

NcumûTeV cumulé

N = occurrence V = vocabulaire

Clef de lecture : les mots of. than, the, to, in, a, is représentent 20 % des occurrences et moins de 1 % du vocabulaire.

Figure 3 : Courbes cumulées des occurrences et du vocabulaire

Dans la pratique, les mots exclus de l’analyse avec un seuil de 30 % apparaissent dans le

tableau ci-après.

CRÉDOC

30 Construction d’une version d’Alceste en anglais

Mots exclus de l'analyse

Fréquence

of 4233on 582pollution 872population 433resources 437soil 445the 3108to 1998water 831will 581with 454

Mots exclus de l’analyse Fréquence

a 889and 3674are 447as 624be 608by 459climate 446energy 601for 670in 1672is 883

Figure 4 : Mots exclus avec seuil de fréquence supérieur

Nous pouvons donc comparer les trois analyses (à chaque fois, une typologie en douze

classes a été demandée ; seules les classes d’effectif supérieur à 50 ont été conservées ce qui

explique les variations dans le nombre de classes).

L’analyse sans mots-outils est incontestablement la plus satisfaisante, car elle est conforme

aux hypothèses de départ : on recherche des noyaux de signification, qui renvoient à une

référence. Dans ce contexte, les mots-outils ne nous intéressent pas directement, ils risquent

même de brouiller la lisibilité des classes.

CREDOC


déchets : risques industriels et nucléaires ; ressource en eau

énergies renouvelables

biodiversité, déforestation

changement climatique

vie en villedémographie et développement

communication, éducation, information

développement (durable)

valeurssanté

Cl. 1 ( 842uce) |

Cl . 5 ( 222uce) |

Cl. 2 ( 744uce) |

Cl. 3 ( 574uce) |

Cl. 4 ( 332uce) |Cl . 6 ( 216uce) |

Cl. 7 ( 184uce) |

Cl . 10 (1099uce) |

Cl. 8 ( 170uce) |Cl . 9 ( 64uce) |

I I-

I I I- I

Figure 5 : Analyse 1 (sans mots-outils)

Cependant, peut-on parvenir à des résultats satisfaisants en faisant l’économie de la

reconnaissance et de l’élimination des mots-outils ?

biodiversité, déforestation

mer el littoral


ressource en eaudéveloppement

communication, information, politique

+ mots-outils

mots-outils

valeursvie en ville, démographie

déchets et risques industrielssanté

Cl. 1 ( 847uce)

Cl.10 ( 68uce)

Cl. 5 ( 437uce)

Cl. 9 ( 73uce) Cl. 2 ( 764uce)

Cl. 3 ( 73luce)

Cl. 7 ( 271uce)

Cl. 8 ( 98uce)

Cl. 4 ( 495uce)

Cl. 6 ( 383uce)

Cl.11 ( 57uce)

I-—I-

Figure 6 : Analyse 2 (avec seuil de fréquence)

CRÉDOC


biodiversité, changement climatique et déforestation

développement

communication, information, politique +

mots-outils

mots-outils + environnement

qualité de 1 eau et des sols

valeurs

énergies renouvelablesdémographie, vie en ville

déchets ; risques et pollution industrielles

santé

■I—-ICl. 1 ( 710uce) |- Cl. 2 ( 704uce) |-

Cl. 6 ( 32 5uce) |-

C1.10 ( 780uce) |-

Cl. 3 ( 601uce) |-

Cl. 8 { 55uce) |-

Cl. 7 ( 223uce) |-Cl. 5 ( 424uce) j-

Cl. 4 ( 537uce) |-

Cl. 9 ( 5 luce) I-

II-

Figure 7: Analyse 3 (avec mots-outils)

Dans la colonne de gauche des figures précédentes, apparaissent des noms de classes qui

résultent d’une interprétation grossière des classes obtenues (l’objectif n’étant pas ici l’étude

du contenu). Dans les analyses 2 et 3, il existe deux classes qui ne se prêtent pas à la

construction d’une interprétation sémantique car elles sont presque exclusivement décrites par

des mots-outils. Dans la seconde analyse (en fixant un seuil de fréquence supérieur), on a

certes éliminé une partie des mots-outils (les plus fréquents) mais il en reste encore une

grande quantité qui ont contribué à la constitution de classes. Par ailleurs en fixant ce seuil,

on a aussi éliminé une partie des mots pleins (climate, energy, pollution, population,

resources, soil, water) qui dans d’autres analyses jouent un rôle central. On ne peut pas

retenir le seuil de fréquence supérieur comme un outil acceptable pour la reconnaissance des

mots-outils. On pourrait imaginer de filtrer les mots-outils par un double seuil : fréquence

élevée et faible nombre de lettres (cet indice qui permet de repérer les mots courts est utilisé

par SPAD.T). Pour travailler sur une langue étrangère, la meilleure option consiste à

construire le dictionnaire des mots-outils.

CREDOC


Le fait qu'il existe des classes de mots-outils dans les analyse 2 et 3 met en évidence des

différences stylistiques significatives dans la manière dont les chercheurs ont répondu à

l'enquête. Celles-ci pourraient se prêter à des études spécifiques où les mots analysés seraient

exclusivement les mots-outils : on pourrait repérer les différences de construction syntaxique,

la position de l’énonciateur face à son énoncé...

CONCLUSION

Quand le locuteur est unique, ou quand les règles de rédaction sont très rigoureusement

définies, les mots-outils se répartissent de manière homogène dans le corpus de sorte qu'ils

n’ont pas d’incidence sur la constitution des classes, qui sont justement définies par la

répartition hétérogène des mots. En revanche, quand les locuteurs emploient un style

différent, les mots-outils ne se répartissent pas au hasard dans les unités de textes. Par

exemple, une réponse rédigée en style télégraphique contiendra très peu de mots-outils, tandis

qu’en style soutenu, l’articulation grammaticale sera très riche. La présence des mots-outils

amène à la constitution de classes qui reflètent des différences de style plutôt que des

différences de « monde ».

Lorsque l’on cherche à identifier des styles ou des modes d’énonciation, il est plus approprié

de mener les analyses en conservant les mots-outils, voire en ne conservant qu’eux. Au

contraire, à la recherche des noyaux de représentation dans une population, il convient de

mener l’analyse sur les mots pleins uniquement.

CREDOC


2.2. FAUT-IL OU NON LEMMATISER ?

Si le français et l’anglais étaient, à l’instar du chinois [Tesnière, 1959, p. 54], des langues

dans lesquelles la distinction entre mots pleins et mots vides était rigoureuse, nos tests se

seraient arrêtés là. Mais il y a, en français comme en anglais beaucoup de mots composites

qui associent des éléments pleins et des éléments vides. Ainsi mangerons contient un élément

plein mang- et des éléments vides {-er- marque du futur et -ons marque de la première

personne du pluriel). En français et en anglais, les éléments constitutifs de la seconde

articulation du langage ne sont pas les mots mais ce que Martinet [1970, p. 16] désigne par le

terme de monème. Traditionnellement, on oppose les monèmes lexicaux (ou léxèmes) aux

monèmes grammaticaux (ou morphèmes), ce qui recouvre l’opposition entre éléments pleins

et éléments vides.

Pour rester cohérent avec la démarche qui consiste à éliminer les mots-outils, il faut éliminer

tous les monèmes grammaticaux pour que l’analyse porte exclusivement sur les léxèmes.

Telle est l’ambition de la lemmatisation : elle consiste à remplacer par la vedette ou entrée

de dictionnaire, toutes les formes qui en dérivent, toutes les variantes morphologiques. C’est

l’opération que l’on fait naturellement lorsque l’on cherche un mot dans le dictionnaire (on

ramène les formes conjuguées à l’infinitif, les pluriels au singulier...). Par exemple, vont, va,

iront, allâmes sont ramenés à aller.

Depuis 1992, nous disposons au CRÉDOC des outils Sylex, boîte à outils linguistiques

conçue par Patrick Constant [1991] et Frédéric Pigamo [1990] pour le français. Nous avions à

l’origine une application SIT spécialement adaptée à nos besoins en analyse lexicale : elle

produit à partir du texte brut un texte lemmatisé directement analysable par Alceste. Depuis

fin 1994, nous disposons de la boîte à outils complète qui permet de développer des

applications en fonction de nos besoins : en plus de l’analyse lexicale, de nombreuses

fonctionnalités sont utilisées dans le cadre de l’Observatoire des Consommations

Alimentaires. Cette boîte à outils comprend un lexique et un analyseur syntaxique par

CRÉDOC


couches. Le lexique associe à chaque forme lexicale l'ensemble des catégories syntaxiques

qu'elle peut avoir. Ainsi la forme « couvent » est définie comme pouvant potentiellement être

un nom ou un verbe à la troisième personne du pluriel. Avant l’application des règles de

syntaxe, on est dans une situation d’ambiguïté maximale. Les couches de règles syntaxiques

successivement appliquées aux phrases permettront de lever pas à pas les ambiguïtés.

Certains logiciels, c’est le cas d’Alceste, proposent des outils de lemmatisation plus

drastiques, qui visent à accéder au radical en supprimant les suffixes. Pour simplifier on

parlera dans ce cas-là de stemmatisation. Par exemple, rive, rives, rivage, rivages seront

ramenés à la racine riv+. En revanche, rivière et rivières seront réduits à rivière+. En fait, il y

a dans cette approche une confusion entre les suffixes et les désinences morphologiques qui

sont traités de la même manière. Au fil du temps, la stemmatisation d’Alceste a évolué vers

une lemmatisation telle que définie précédemment grâce à l’introduction de dictionnaires.

Pour le moment, Alceste ne dispose pas de fonction de lemmatisation en anglais. Nous avons

donc utilisé un module de lemmatisation du premier type (intégrant la forme syntaxique dans

la réduction). Comme nous ne disposons pas encore de la version de Sylex pour l’anglais,

Patrick Constant a eu l’amabilité d’effectuer pour nous le traitement de lemmatisation sur

deux corpus anglais :

• les réponses à la question des problèmes prioritaires dans le cadre de l’enquête

« Recherche et Environnement » ; seules les réponses parvenues avant la relance de

l’enquête ont été lemmatisées, la comparaison sera donc faite sur un corpus incomplet d’un

tiers par rapport à la comparaison des analyses avec ou sans mots-outils. Comme nos

préoccupations sont plutôt méthodologiques, on se n’attardera pas non plus sur la variation

des résultats ;

• les fiches de dégustation de vin de Parker (corpus « Sélection »).

CRÉDOC


Nous avons comparé les résultats d'analyses sur les corpus bruts et lemmatisés, et cherché à

évaluer l’incidence de la lemmatisation. Rappelons que la lemmatisation de Sylex est légère,

syntaxiquement cohérente : pas de réduction de mots appartenant à des catégories différentes,

en tout cas elle est plus légère que la lemmatisation d’Alceste qui parfois encore regroupe des

mots appartenant à des catégories différentes.

Précédemment, nous avions montré sur un corpus que le type de lemmatisation (par Alceste

ou Langage Naturel) n’avait pas une incidence forte sur les typologies obtenues [Beaudouin

et Lahlou, 1993, p. 43-44], Les seules variations concernaient les effectifs des classes : l’écart

maximum n’était cependant que de trois points. Nous avons ici l’occasion de montrer

l’incidence de la lemmatisation Sylex par rapport à aucune lemmatisation.

LES PROBLÈMES D’ENVIRONNEMENT

Les indicateurs statistiques sur la taille du vocabulaire (V) et le nombre d’occurrences (N) (cf.

Figure 8), pour reprendre les définitions de Charles Muller [1977], nous montrent l’ampleur

des variations apportées par la lemmatisation et leurs effets sur le tableau analysé par Alceste.

Vocabulaire Corpus brut Corpus lemmatisé

V N V NMots pleins 5025 38663 3914 39066Mots analysés (fréq>3) 1239 32735 1288 35281Pourcentage 24,6 84,6 32,8 90,3

Figure 8 : Tableau du vocabulaire

En gros, la lemmatisation permet de travailler sur une partie plus ample du vocabulaire et des

occurrences, et donc de limiter les « pertes ». Ceci confirme un résultat général déjà présenté

dans [Beaudouin, 1993].

Les classifications obtenues sont exactement les mêmes que l’on garde quatre classes

terminales ou onze. Encore une fois, seule varie la taille de chacune des classes.

CRÉDOC


Cl. 1 ( 496uce) |5

Cl. 2 ( 458uce) |7

Cl. 3 (1114uce) |6

Cl. 4 ( 841uce> |

EXEMPLE : Vocabulaire spécifique de la classe 1 :Africa(22), countries ( 10 9 ) , demographic ( 130 ) , developing (54), development(114), explosion( 128), growth(90), hunger(39), malnutrition(17), migratory(22) , movements(22) , north(33), overpopulation(23) , poor(29), population(158) , poverty(76), pressure(22) , south(39), world(72), aid(lO), developed(28) , economic ( 34 ) , growing(29), major(48), survival(15), third(24), Asia(14), billion(7), conflicts (30 ) , disasters ( 15 ) , gap(8), ageing(6), America(8), average(5), cause(29), china(8), cooperation ( 9 ) , east(8), industrialized(8) , migrâtion(13 ) , nations(15), problems(66 ) , rapid(15), resources(74) , uncontrolled(17 ) , unemployment ( 8 ) , viral(5), concentration(8), concentrations(5) , control (24), demands(10), diseases(13) , distribution(12) , eastern(12), especially(33) , Europe(ll), European(9), greatest(6), grow(4), increase(40 ) , increases(6), listed(5), living(21), main(ll), means(10), megapolis(4), migrations(7), mortality(4), nutrition(4), oriented(5), poorer(5), populated(4);

Figure 9 : Analyse sans lemmatisation

Cl. 1 ( 530uce) |5

Cl. 2 ( 489uce) |7

Cl. 3 (1108uce) |6

Cl. 4 ( 861uce) |

EXEMPLE : Vocabulaire spécifique de la classe 1 :Africa(23), country(105), demographic(133), develop(69), development(131), explosion(132) , grow(42), growth(97), hunger(42), malnutrit ion ( 20),migration(32) , migratory(23), movement(27) , north(32), overpopulation(23) , poor(34), population(186) , poverty(82), pressure(30) , south(37), third(29), world(86), major(50) , age (9), aid(15) , Asia(14) , billion(8), city(22), concentration(15) , disaster (20), economic(33), gap(8) , settlement(8), share(10), uncontrolled(19), average(5), china(7), conf1ict(35), control(36), deal(6), density(5), increase(87) , industrialize(8), mega(9), mortality(5), nation(17), nutrition(5), problem(97), rapid(15), refugee(6), standard(19) , surviva1(13) , underdeveloped(8) , urban(37), viral(5), worsen(7), America(7), anti(5), cause(54), continent(4), demand(19), disease(20), east(8), eastern(12), especially(37), Europe(ll), European(9), fast(7) , house (5), illness(8), improve(10), live(15), pandemic(3), polis(6), predict(4), rich(lO), sanitation(6);

Figure 10 : Analyse avec lemmatisation

Les problèmes sont grosso modo classés de la même manière par les deux analyses comme le

montre la Figure 11 : les déviations par rapport à une équivalence parfaite entre les deux

typologies ne dépassent pas les 15 points. Dans le pire des cas, on a quant même 83,5 % des

problèmes rgroupés dans une classe par l’analyse sur texte lemmatisé qui se retrouvent dans

la classe correspondante avec l’anlyse sur texte brut.

CREDOC


Analyse sur texte lemmatisé

Analysesur

textebrut

Non classés classe 1 classe 2 classe 3 classe 4 TotalNon classés

;35,8

55,316,0

4,912,5

4,316,0

3,519,8

4,9232

6,5classe 1 2,3

11,387,3

85,45,6

6,12,0

1,42,9

2,2738

20,6classe 2 3,2

14,06,6

5,7

86,883,5

1,51,0

1,81,3

65118,2

classe 3 1,611,3

1,52,1

1,21,9

93,893,4

1,82,0

104929,3

classe 4 1,38,0

1,51,9

3,24,3

0,90,8

93,189,7

91225,5

Total 1504,2

75421,1

67718,9

105429,4

94726,4

3582

Clef de lecture : 85.4 % des problèmes classés en classe 1 avec analyse sur texte lemmatisé sont classés en 1 avec l'analyse sur texte brut.

Figure 11 : Croisement des typologies avec et sans lemmatisation

Au niveau du vocabulaire, les quatre classes sont pratiquement les mêmes. La seule

différence est que les mots au pluriel figurent au singulier dans la seconde analyse. On est

dans un contexte particulier où la lemmatisation n'a pas une incidence forte dans la mesure

où les verbes conjugués sont assez peu nombreux et les formes peu variées. Beaucoup de

réponses se présentent sous la forme de groupes nominaux.

CRÉDOC


LES FICHES DE DÉGUSTATION DE VINS

Pour les fiches de dégustation de vin, les tests ne sont pas encore achevés. Un premier test a

été effectué sur le corpus français Hachette. Sur les fiches de dégustation Hachette, deux

analyses ont été effectuées : l’une sur les formes brutes et l’autre sur les formes lemmatisées

(avec Alceste). Dans les deux cas, les mots-outils ont été exclus.

Les principales classes obtenues sont les suivantes : ROUGE (Rouge, Bordeaux), BLANC

(Blanc, Lignée), et (Temps, Coeur de Bourgogne).

Les arbres de la classification sont rigoureusement identiques, même si les tailles des classes

sont différentes.

FichesSans

lemmatisationAvec

lemmatisation

Temps, Coeur de Bourgogne 32,9 % 38,8 %Rouge 45,4 % 24,6 %Blanc (blanc) 12,6 % 18,9%Blanc (lignée) 9,1 % 17,7%

ENSEMBLE 100,0% 100,0%

Figure 12 : Répartition des fiches(en pourcentage)

A nouveau, les conditions d’énonciation sont cruciales. En français, sur le corpus Hachette,

toutes les formes d’un lemme sont regroupées dans la même classe et peu de mots

significatifs sont écartés.

Un autre test est en cours sur le corpus anglais. Les résultats sont déconcertants car de

nombreuses formes d’un même mot se trouvent dans des classes différentes rendant

l’interprétation desdites classes problématique. On s’interroge cependant sur les particularités

de ce corpus. Après l’élimination des « copiés-collés », de nouveaux tests seront effectués.

CRÉDOC


CONCLUSION

La lemmatisation est-elle donc une opération superflue ? Non, dans la mesure où la démarche

est cohérente avec celle qui consiste à supprimer les mots-outils. Mais ces différents tests

nous ont permis de voir que dans une situation d’urgence (l’analyse rapide de textes dans une

langue étrangère), on pouvait éventuellement se passer de cette étape. En effet, on obtient

globalement les mêmes résultats avec et sans lemmatisation : même arbre de classification,

les mots typiques des classes sont grossièrement les mêmes et les problèmes sont à peu près

classés de la même manière...

Finalement tout le débat sur la lemmatisation qui a fait couler beaucoup d’encre perd d’un

coup de sa pertinence dans le cas de réponses rédigées en anglais. Sur deux corpus de nature

très différente tous les deux en anglais, on parvient grosso modo aux mêmes résultats. Sans

doute trouverait-on des corpus où ce n’est pas le cas.

En tout état de cause, il paraît pertinent pour chaque corpus à analyser de faire des tests avec

et sans lemmatisation. C’est sans doute un moyen assez efficace pour tester la stabilité des

typologies obtenues.

On admettra cependant que pour l’analyse du sens, le travail sur le texte lemmatisé est plus

satisfaisant —ne serait-ce que pour l’interprétation des classes—. Elle est facilitée du fait du

nombre plus faible de mots typiques.

CRÉDOC


2.3. ÉTAT D’AVANCEMENT DE LA NOUVELLE VERSION DU LOGICIEL ALCESTE EN ANGLAIS

Les différents tests comparatifs effectués ont permis de montrer que dans les problématiques

qui nous animent (recherche de la référence au monde plutôt qu’analyse de la position de

l’énonciateur face à son énoncé), il est fortement conseillé d’avoir une liste des mots-outils

afin de pouvoir les exclure de l’analyse.

Nous avons donc construit un dictionnaire de mots-outils anglais. Pour ce faire nous avons

utilisé le travail fait par Patrick Constant sur un échantillon du corpus Parker. Il avait fourni le

corpus lemmatisé et indexé par catégories syntaxiques :

Château Montelena's wines possess gorgeous potential when young, and are even better when revisited later. The 1984 Cabernet Sauvignon exhibits the forward, jammy, cassis, and other black fruit character of the vintage, marvelously rich, full-bodied, concentrated flavors, high extract, gobs of glycerin, and moderate tannin in the finish. Its virtues - purity, richness, and opulence - along with a firm underpinning of tannin, should serve it well for another 10-15 years.$

est ainsi devenu :

chateau_N Montelena’sJ wine_N possess_V gorgeous_A potential_N when_G young_A,- and_G be_G even_G better when_G revisit_A late_A.- the_G 1984 CabernetJ SauvignonJ exhibit_V the forward_N,- jammyj,- cassisj,- and_G other_G black_A fruit_N character_A of_G the_G vintage_A,- marvelously rich_A,- full-ody_A,- concentrate_A flavor_N,- high extract_N,- gob_N of_G glycerin_N,- and_G moderate_A tannin_N in the finish_N.- its virtue_N — purity_N,- richness_N,- and_G opulence_N — along_G with_G a_G firm_A underpinning_N of_G tannin_N,- shall_V serve_V it_G well_V for_G another_N 10-15 year_N.-$

(De nombreux points étranges apparaissent dans cette lemmatisation qui date d’il y a un an ;

dans la dernière version utilisée pour les tests comparatifs, la qualité s’est sensiblement

améliorée). Il a donc suffi d’extraire tous les mots suffixés en _G pour avoir déjà une

première liste de mots-outils. Celle-ci a été enrichie à la main en examinant les dictionnaires

complets des différents corpus en anglais.

CRÉDOC


Par ailleurs, nous avons partiellement résolu le problème des formes contractées (exemples :

don’t, I’ll...) en les introduisant à la fois dans le dictionnaire des locutions et dans celui des

mots-outils.

La liste des verbes irréguliers a été saisie. Chaque fois que le logiciel rencontrera une forme

dérivée, il la rattachera à la forme infinitive : am, is et are seront rattachés à be. Une partie

d’entre eux ont de plus été classés parmi les mots-outils. C’est le cas de to be, to have, can,

must...). Ce dictionnaire a été testé sur nos corpus et se révèle satisfaisant, sauf quelques cas

d’homonymie comme left (gauche) et left (dérivé de to leave). Des tests sur d’autres corpus

sont bien entendu indispensables pour le compléter. L’avancement de cette version est soumis

à la bonne collaboration entre les utilisateurs de la version anglaise.

Même si nous n’avons pas établi la nécessité impérieuse de la lemmatisation, une liste de

suffixes a été constituée en vue de celle-ci. Sa qualité n’a pas été testée.

Ces différents dictionnaires ont été intégrés par Max Reinert dans une version spéciale

d’Alceste. Il a également amélioré certaines de nos options. Un seul point est encore

insatisfaisant : la gestion des apostrophes, mais devrait être résolu très prochainement.

CRÉDOC


3. COMPARAISON TEXTE BRUT/TEXTE INDEXÉ

CRÉDOC


Nous venons d'envisager la « voie lente » avec l'élaboration d’une version en anglais

d’Alceste. Nous en venons maintenant à la « voie rapide », celle qui a été adoptée pour la

production rapide de résultats et qui a consisté à indexer les textes par mots-clefs, à traduire

partiellement ces derniers et à effectuer des analyses sur les réponses réduites à leurs mots-

clefs.

Dans cette partie, la comparaison porte sur les réponses en français à la question ouverte sur

les problèmes prioritaires en matière d’environnement. L’objectif est de comparer l’analyse

lexicale sur les réponses brutes et sur les réponses indexées par mots-clefs. Cette comparaison

n’a pas été effectuée sur les textes anglais puisque l’objectif était de valider l’approche par

mots-clefs, à une époque où la version en anglais d’Alceste n’était pas même ébauchée.

Pourquoi ? L’enquête « Recherche et Environnement » a été réalisée auprès de chercheurs du

monde entier. Elle est principalement constituée de questions ouvertes, ce qui marque un

refus d’enfermer a priori les chercheurs dans un cadre de réflexion trop étroit. Ce choix paraît

judicieux à la lumière des observations que les chercheurs ont fait sur les questionnaires (cf.

Annexe 2 sur les observations) : les seules critiques de fond portent sur la partie des

« scénarios », essentiellement constituée de questions fermées.

Etant donnée la liberté de parole (en fait d’écriture) accordée aux chercheurs, il fallait des

méthodes adaptées pour analyser cette parole dans toute sa richesse. On a donc refusé

d’emblée l’idée d’un postcodage simple, de même que l’on avait refusé l’idée de poser des

questions fermées. La méthode d’analyse devait être cohérente avec les choix faits lors de la

conception du questionnaire.

Mais pour la première fois dans une étude du CRÉDOC, on est confronté au problème de la

langue. En effet, les questionnaires ont été rédigés soit en anglais, soit en français. Alors que

pour le français, nous disposons de tous les outils nécessaires pour l’analyse des textes, tel

n’était pas le cas pour l’anglais. Cela nous a amené à tenter de mettre au point une version en

anglais d’Alceste (cf. Partie I)

CRÉDOC

48 Comparaison texte brut / texte indexé

Mais Inexistence d’une version anglaise ne résout pas tous les problèmes. Comment analyser

simultanément les réponses des anglophones et celles des francophones ?

La solution la plus naturelle aurait été de faire traduire toutes les réponses de Vanglais vers le

français. Par des traducteurs professionnels, le budget aurait été d’environ 60 000 Francs,

coût relativement élevé. Il aurait également été possible d’utiliser des outils de traduction

automatique. N’ayant pu évaluer à temps la qualité de ces traducteurs automatiques, nous ne

nous y sommes pas intéressés tout de suite. Outre les aspects financiers et techniques, on

rencontre ici encore « les problèmes théoriques de la traduction » [Mounin, 1963] : la

représentation de l’environnement n’est sans doute pas le même en français et en anglais. Les

problèmes sont en partie différents, ainsi que leur organisation et la manière dont ils sont

décrits. L’option a été prise de reporter le plus tard possible la phase de la traduction.

Par ailleurs, l’enquête « Recherche et Environnement » a été conçue pour pouvoir être

réexploitée par d’autres laboratoires ou centres de recherche sur l’environnement. Il fallait

donc pouvoir présenter les résultats sous une forme plus homogène et normée.

La solution adoptée a consisté à indexer par mots-clefs les réponses. Au maximum six mots-

clefs pouvaient être attribués à chaque réponse. Les mots-clefs sont des mots ou des

expressions comme on peut le voir dans la Figure 13 :

Texte brut Texte indexé par mots-clefsLe problème de la population globale, dont l'accroissement non contrôlé, empêche le développement de bien des pays, épuise des ressources non renouvelables, etc.

accroissement démographique, épuisement_ressources, développement économique

Ces pollutions diffuses sont et seront le problème majeur, car elles entraînent la pollution des sols et des problèmes difficilement maîtrisables du climat.

pollution_sol, changement_climatique, pollutiondiffuse

Conséquence directe, une urbanisation anarchique avec des mégalopoles où la vie est pénible (transports, pollution, délinquance, ghettos et bidonville,...)

maîtriseurbanisme, mégalopoles, cadre_de_vie, transport, pollution, insécurité

Menaces sur la biodiversité : perte (irréversible) d’espèces liée à la surpopulation et à la mauvaise exploitation des ressources

appauvrissementbiodiversité, disparition des_espèces, surpopulation, gestion ressources, irréversibilité.

Figure 13 : Exemples de textes bruts et de textes indexés par mots-clefs

CREDOC


L'indexation des textes s’est faite dans la langue du questionnaire : mots-clefs français pour

les questionnaires en français, anglais pour les questionnaires en anglais. Il existe donc une

nomenclature de 307 mots-clefs en français et de 305 mots-clefs en anglais (Cf. Annexe 1).

Pour travailler simultanément dans les deux langues, on a cherché à apparier les

nomenclatures (Cf. Annexe 1). La correspondance entre mots-clefs français et anglais était

parfois évidente (water/eau ; waste/déchets...), parfois moins et quelquefois inexistante. En

dépit d’un effort d’harmonisation des nomenclatures au cours de l’indexation, il n’y a que

169 mots-clefs communs aux deux. Ceci justifie en partie le fait de n’avoir pas eu recours à la

traduction : l’indexation montre déjà que le découpage des problèmes d’environnement n’est

pas le même en anglais et en français. Prenons un exemple assez « simple », le « nucléaire »,

car il n’y a qu’un terme pour désigner ce type d’énergie. La Figure 14 montre que les items

utilisés pour l’indexation ne coïncident pas ; globalement la manière d’aborder le nucléaire

n’a pas été la même.

En anglais Fréqnuclear wastes 82nuclear-related risks 67nuclear energy 42

nuclear powerplants 22nuclear weapons testing 17

nuclear material transport 1

En français Fréqdéchets nucléaires 41risques nucléaires 40énergie nucléaire 17nucléaire 11pollution nucléaire 9centrale nucléaire 5armes nucléairescatastrophe nucléaire 1

Figure 14 : Deux langues, deux manières d’indexer

Le corpus final analysé est constitué des réponses des anglophones indexées par les mots-

clefs anglais et les réponses des francophones indexées par les mots-clefs traduits en anglais

(quand il existait une correspondance) ou par des mots-clefs en français quand ils n’avaient

pas d’équivalents en anglais. Pour l’analyse détaillée des réponses, le lecteur pourra se

CRÉDOC


reporter à l’article présenté au colloque de Fontevraud [Laredo, Volatier et Collerie de

Borely, 1996].

Pour une analyse globale de l'enquête, l'option de la traduction n’ayant pas été adoptée, on

est obligé de travailler sur les corpus indexés par mots-clefs au lieu de travailler sur le texte

brut. Peut-on éviter cet effort supplémentaire ?

Nous faisons les hypothèses suivantes :

• l’indexation par mots-clefs permet d’harmoniser les réponses en évacuant d’emblée les

différences de styles (suppression de tout l’appareillage syntaxique) et en procédant à une

pré-interprétation des réponses ;

• l’indexation par mots-clefs appauvrit beaucoup les réponses en les réduisant à leur plus

simple expression.

On a donc deux tendances contraires : l’une tend à rendre les réponses plus homogènes et par

conséquent la typologie plus stable ; l’autre à appauvrir les réponses ce qui devrait

déstabiliser la typologie. Les deux effets se compensent-ils ?

Pour donner des éléments de réponse à cette question, nous comparons deux typologies.

L’une est obtenue sur le corpus des réponses brutes en français, l’autre sur le corpus indexé

par mots-clefs en français. La typologie des réponses brutes sera dorénavant désignée par

TBFR, la typologie sur les réponses indexées par TIFR.

Texte brut (TBFR) Texte indexé (TIFR)

Population ensemble des problèmes (2810)Individu problème en texte libre problème indexéVariables mots pleins mots-clefs

Figure 15 : Bases de la comparaison

CREDOC


L'individu statistique est ici le problème et les variables sont tantôt les mots pleins, tantôt les

mots clefs.

Nous cherchons à voir s’il y a une relation de bijectivité entre TBFR et TIFR. Dans l’idéal,

cela implique qu’on obtienne la même typologie et que les réponses brutes ou indexées soient

classées de la même manière. Si c’est le cas, on prouverait qu’il est suffisant de travailler sur

TBFR pour mettre à jour la représentation des problèmes d’environnement. Une identité

parfaite est à exclure d'emblée : quel est le seuil de similitude qui nous paraît acceptable ?

Peut-il être défini statistiquement ?

Pour comparer deux typologies, nous avons une gamme assez étendue de moyens. Doivent

être comparés : la structure globale des classes (l’arbre de la classification), la nature et le

contenu des classes, leur taille et le croisement statistique des deux typologies.

Si les écarts ne sont pas trop grands, l’analyse lexicale sur les mots-clefs peut être considérée

comme équivalente à l’analyse sur texte brut.

On retrouve dans les deux traitements, trois grands axes communs : les problèmes

d’environnement liés à l’action de l’homme sur la planète, à celle de l’homme sur la société

et enfin les problèmes liés à l’énergie et aux déchets (Figure 16). On a donc une opposition

entre un point de vue global et planétaire, « l’écosphère » et un point de vue social, la

« sociosphère ». La seule variation est le rattachement différent du troisième pôle. Pour le

texte brut, il est rattaché à la « sociosphère » et pour le corpus indexé à « l’écosphère ». Cela

s’explique dans la mesure où les déchets et les problèmes d’énergie ont autant d’incidence sur

la planète (décharges, pollution atmosphérique) que sur l’homme (propreté-hygiène, pollution

atmosphérique), d’où leur position instable, ce que nous ont également prouvé d’autres tests.

La Figure 16 montre comment les deux typologies peuvent être mises en correspondance : en

dehors des deux points que nous allons examiner, les correspondances semblent

satisfaisantes.

CRÉDOC


Texte brut Texte indexéChangement climatique Ressources en eauMer et littoralDésertification, déforestation Biodiversité

L’homme sur la natureChangement climatique Ressources en eauMer et littoralDésertification, déforestation BiodiversitéDésertification des campagnes

Démographie, développement Répartition inégaleVie en villeValeursSanté

L’homme sur la sociétéDémographie, développement

Vie en villeValeursSanté

Energie, transportDéchets, nucléaire

Energie, déchets Energie, transportDéchets, nucléaire

Figure 16 : Typologies des problèmes d'environnement

Nous retrouvons globalement les mêmes classes. Revenons tout d’abord sur la démarche

d’interprétation qui nous permet de conclure que deux classes sont identiques. Une classe est

caractérisée par ses mots spécifiques. Pour dire que deux classes se ressemblent ou sont

identiques (il faudrait mieux définir ce qu’est la similarité), un travail d’interprétation

sémantique est indispensable.

Dans les analyses sur TBFR et TIFR, on obtient à chaque fois une classe qui peut être

résumée par le concept global de « changement climatique ». Cette interprétation s’est faite à

la suite de l’examen des mots typiques.

CREDOC


Mots typiques sur TBFR de la classe « changement climatique »

climatique+(72), globa+l(23), changement+(71), climat+(68), couche+(20), effet+(18), gaz(12), modification+(16), trou+(7), réchauff+er(14), co2(19), effet_de_serre(65), ozone(45), conséqu+ent(26), anthropique+(7), stratosphérique+(4), serr+er(3), évoluti+f(11), océanique+(3), incertitude+(3), perturb<(4), act+ion(16), inconnu+(2), augmentation+(10), réalité+(3), régime+(2), taux(3), température+(2), attendre.(2), éventu+el(4), proba+ble(4), carbone+(2), méthane(2), moyen_terme(3), affecte+(2), dramatique+(2), élévation+(2), programme+(3), réaction+(2), sécheresse+(2), asséch+er(2), détermin+er(2), influenc+er(3), souhait<(2), atmosphériques(2), o2(2), régulation+(2), végétation+(2), biomasse(2), indirect+(2), planétaire+(4), méconnaissance+(1), énumér+er(1), inadéquat+(1).

Mots typiques sur TIFR de la classe « changement climatique »

changement_c!imatiq(62), changement_global(12), climat(37), co2(26), couche_ozone(47), effet_de_serre(67), évaluation_scientif(15),gaz_à_effet_de_serr(6), réchauffement(15), niveau_des_mers(5), pluviosité(3), rejet_des_polluants(5), acidification_deJ_(2);

Sur TIFR, le nombre de mots spécifiques de la classe est beaucoup plus élevé que sur TBFR

(19 contre 76). D’autre part, les mots-clefs sont plus homogènes par construction.

L’interprétation est donc plus facile à construire sur TIFR, mais elle est aussi moins fine, car

une partie des nuances a disparu dans l’indexation. Par exemple, le fait que les chercheurs

font part de quelques incertitudes sur les mécanismes à l’origine d’un éventuel changement

climatique (incertitude, inconnu, éventuel, probable) n’a pas été pris en considération lors de

l’indexation. Le passage du texte brut aux mots-clefs entraîne la disparition de certaines

nuances, mais permet un accès plus direct au coeur de la problématique du « changement

climatique ».

Prenons à titre d’exemple, le terme effet de serre. A priori, toutes les occurrences (près d’une

centaine) devraient être classées dans la classe « changement climatique ». Sur TBFR, 11

réponses contenant le terme effet de serre ont été classées ailleurs ; sur TIFR, 5 réponses. Le

tableau ci-dessous présente les réponses contenant effet de serre non classées dans

« changement climatique ». Globalement, le fait qu’elles soient classées dans une autre classe

est assez cohérent, et les disparités entre TIFR et TBFR ne sont pas très grandes.

CRÉDOC


Réponses contenant le mot-clef effe (TlFRj

de serre non classées dans la classe » changement climatique »(TBFR)

Energie, transporténergie: passage à des énergies moins polluantes, énergies renouvelables, problème du co2, effet-de-serre.

Energie, transport#transport_routier, #énergie. effet-de- serre, #économie_énergie, #choix_rail_route, //pétrole.

Energie, transport#transports #routiers, #énergie et effet-de-serre: les #prix bas du #pétrole et du dollar conduisent à un relâchement des économies d’#énergie. le développement du transport routier au détriment du //rail ne peut qu’accroître l'effet-de-serre et rendre impossible le respect de la convention de #Rio.Désertification, déforestationla conquête de nouvelles terres sur les savanes pour le développement d'une agriculture minière conduit à une #rapide minéralisation de la matière organique des sols, le C02 produit participe à l'effet-de-serre. il en résulte un effondrement de la structure des sols qui #provoque de #fortes augmentations du ruissellement et 1* //érosion. le pedoclimax se sahélise, les rendements des #cultures //chutent.

Energie, transportgaz_à_effet-de-serre, #énergie_non_polluante, transport,

Energie, transport#réduire les #émissions de gaz #polluants ou à effet-de-serre:#choix des #sources d'//énergie plus appropriées, lien avec la priorité 2, #revoir les #modes de //transports, trouver des //alternatives aux //transports //automobiles ou par //camions.

Energie, transport#énergie_non_polluante, gaz à effet- de-serre, #transport,

Energie, transport//énergie: recherche de //sources //énergétiques à faible //potentiel de pollution: faible //émission de gaz à effet-de-serre, pas de produits de combustion ou de transformation //polluants, pas de radiation, d' //émissions de //particules, d'ions, développement des filières poles à combustion à CH4 ou H: par-exemple, lié aux problèmes de //transports.

Désertification, déforestation#pénurie_en_eau, #consommation_d_eau, accroissementdémographique, déforestation, désertification, effet-de- serre.

Répartition inégale//raréfaction des //ressources en #eau, à-cause de la consommation croissante, industries, urbanisation, style de vie, et à-cause de la croissance démographique, la déforestation, la désertification et l'effet-de-serre pourraient produire des disettes régionales.

Répartition inégaleles problèmes d'effet-de-serre, co2. liés au développement des ressources de l'homme auront entre autre pour effet, et on en //parle bien rarement, de modifier les équilibres //économiques agricoles, c’-est-à-dire à une //remontée de trois cent kilomètres vers le nord des //productions, les //différents pays //concernés devraient en tenir compte des maintenant.

CRÉDOC


Réponses contenant le mot-clef effet de serre non classées dans la classe « changement climatique »

(TIFR) (TBFR)Répartition inégaledémographie et risques naturels et industriels, les grands risques potentiels que #font courir les activités humaines, de la reproduction non contrôlée à la #production effrénée sur des filières technologiques peu sûres: #catastrophes industrielles, nucléaires, marée noire, urbanisation, #densité de #population et tremblement de #terre ou éruption volcanique ou grandes inondations, ce-que 1' on peut appeler les #facteurs synergétiques ou multiplicatifs des #catastrophes naturelles et industrielles et l'amplification des conséquences, déforestation, désertification, pollution des nappes phréatiques, je veux distinguer ici l'évolution lente, effet-de-serre, ozone, des conséquences brutales qui interviendraient à-cause de #facteurs cumulatifs de risques, en principe, une politique préventive peut éviter les #catastrophes et surtout leur #extension si l'on tient compte des #phénomènes de synergie de risques cumules, risques en chaîne d'une #guerre bactériologique, chimique.Energie, transportil est important de #réduire de-manière drastique la pollution de l'air due aux #émissions de C02 et de nox des #automobiles. #favoriser les autres moyens de #transports et réglementation stricte, ceci est lié à l’évolution du climat et à 1' effet-de-serre. doivent s'y ajouter la maîtrise des pollutions industrielles.

Désertification, déforestationpo!lution_air, maladie, #effet-de-serre, pluies_acides, déforestation, acidification_sols.

Ressources en eau#pollution de l'#air: gaz polluants, cov, poussières, maladies respiratoires et de peaux, effet-de-serre, surélévation des #eaux, nouvelles maladies, déplacements de population, cf. 7, effet de retard, pluies-acides, déforestation, cf. 4 et 6, #acidifîcation des #sols, cf. 3, #pollution de l'#eau, cf. 2.Valeursclimat: effet-de-serre, ozone. #classe en-tête non pas à-cause de son acuité #actuelle, mais parce-que rien ne #sert de résoudre les autres problèmes si ce problème cadre a #long-terme n'est pas #pris énergiquement en #compte. on peut d'-ailleurs, à l’#heure #actuelle, émettre l'avis que les actions #clefs, bioénergie, ferroutage, #restent trop timides.

Pour cette classe, il semble y avoir une bonne correspondance entre les deux méthodes.

En ce qui concerne les problèmes de développement et de démographie, sur TBFR on obtient

deux classes, l’une centrée sur l’accroissement démographique et le développement dans le

Tiers Monde, l’autre sur les inégalités économiques au niveau mondial. Cette distinction

n’apparaît pas sur TIFR (cf. Figure 17). Cette distinction témoigne davantage d’une

différence de vocabulaire utilisé que d’idées distinctes. On regroupe donc dans la suite les

deux classes de TBFR pour pouvoir établir des comparaisons.

CRÉDOC


sur TBFR sur TIFR

nord+(53), Afrique(2I), Asie(7), conflit+(22), déséquiiibre+(18), développement+(97), écart+(8), faim+(22), famine+(13), flux(29), pays(88), relation+(28), sud+(59), migratoires(24), tiers_monde(22), démograph<(129), explos+ion(89), pauvre+(73), riche+(30), accroissement+(18), intensifi-i-er(12), mégaIopoles(16), pathogène+(5), sous-developpe+(7), aid+er(4), environnementaux(6), migrat+ion(7), coopérati+f(4), milliard+(4), misère+(4), amen+er(4), creus+er(3), engendr+er(10), surpopulation! 10), survie(7), problem<(68), déstabilis+(4), expansi+f(4), aide+(4), course+(4), place+(4), tension+(4), vision+(3), détérior+er(4), gouvem<(2), grand+ir(3), poursuivre.(2), repartir.(2), résoudre.(6), risqu+er(5), chom+...(4), impossi+ble(6), religi<(4), aigu+(2), cohérent+(2), immense+(2), Amérique<(2), commerce+(3), démun+ir(2), développ+er(13), nourr+ir(2), pvd(6), intérieur+(2), puissance+(2), vue+(3), about+ir(2), concentr+er(2), craindre.(2), désastr+e(2), haut+(3);

accroissement_démog(60), afrique(17), conflits(17), coopération_nord_su( 11), développement_écono(51 ), équilibre_nord_sud(40), explosion_démograph(62), famine(31),flux_migratoire_hum(33), pauvreté(40), pvd(56), paupérisation(8), surpopulation! 12), inégalités_sociales( 10), concentration_humai( 10), intolérance(3), risques_conflits(6),vieiIlissement_popu(6),

conflits_d_usage_de(4),conflits_militaires(3),religion(2),répartition_humaine(5),Asie(2), transfert_de_techno(2);

inéga+l(19), mondia+l(23), partie+(12), croissance+(18), globe+(8), population+(51 ), atteint<(9), distribut+ion(8), econom+3(25), ethn+3(6), répartit+ion(9), sanitaire+(6), spatia+l(4), système+(l 1), terre+(12), faibIe+(9), fait(15), petit+(6), vieill<(10), enjeu+(5), continent+(5), producti+f(20), état+(10), pression+(9), région+(10), seuil+(5), exist+er(8), nécessit+er(5), résult+er(8), évid+ent(4), extensi<(6), crise+(5), facteur+(7), niveau+(17), nourriture+(3), oeuvre+(4), expliqu+er(3), faire.(13), écologiques(7), dens+e(3), différ+ent(9), gener+(5), age+(2), exclu+(2), nombr+eux(7), régiona+l(6), sauvage+(4), amont(2), associe+(5), cout+(9), fonction+(4), guerre+(4), ordre+(4), orient(2), retour+(4), situation+(5), tendance+(3), ag+ir(5), aller.(lO), amplifï+er(4), approch+er(2), concem+er(6), cré+er(5), immigr+er(2), parl+er(2), remont+er(2), arid+e(2), catastroph<(8), cause+(6), chroniqu<(2), énorm+e(4), fréqu+ent(2), sever+e(2), détriment(4), impacts(3);

Figure 17 : Autour du développement

Une classe autour de la désertification des campagnes n’apparaît que dans l’analyse sur mots-

clefs. Cette classe n’apparaît pas dans l’analyse sur mots-clefs des réponses en anglais. On ne

peut donc pas supposer qu’il s’agisse d’un biais de codification. Il se peut de plus qu’elle

apparaisse à un niveau de découpage plus fin.

Il reste une question en suspens : les problèmes ont-ils été classés de la même manière ? Le

chi-deux calculé sur le tableau croisant les deux typologies est très élevé ; il nous conduit à

rejeter l’hypothèse d’indépendance. La Figure 18 montre pour chaque classe le nombre de

problèmes communs aux deux typologies et les parties complémentaires. En dehors de la

classe « désertification, déforestation», la partie commune regroupe la majorité des individus

CRÉDOC


de chaque classe. La classe la plus homogène est de toute évidence la classe « changement

climatique ».

On peut donc considérer que les résultats de l’analyse sur texte brut sont comparables à ceux

de l’analyse par mots-clefs. Cette dernière offre une classe interprétable supplémentaire

(désertification des campagnes) alors que l’analyse sur texte brut sépare deux types de

réponses sur le développement économique difficiles à distinguer sur le plan sémantique.

L’amélioration de l’interprétabilité apportée par la codification par mots-clefs justifie-t-elle le

surcoût corrélatif? Il est impossible de conclure scientifiquement. Si nous n’avions eu que

des réponses en français, nous n'aurions sans doute pas choisi cette option de codification par

mots-clefs.

énergie, transport 1 73 1 181 89

nucléaire, déchets 1 73 J 229 ...■ m 62

santé .231: 124 ] 77

valeurs 105 193 81

développement,démographie

biodiversité

désertification, forêt

mer et littoral

70 I 189 84

69 I.124...................... ; 90

| 59 1 104 131

I 73 f 123 36 ]

ressource en eau 128 209 | 53

changement climatique 40 | 157 : - J 50

0 50 100 150 200 250 300 350 400

o texte brut s commun - mots-clefs

Figure 18 : Croisement des deux typologies

CRÉDOC


CONCLUSION

CRÉDOC


Où en sommes-nous ? Il existe actuellement une version en anglais d'Alceste avec

reconnaissance des mots-outils et lemmatisation des verbes irréguliers. La possibilité d’une

lemmatisation plus complète existe, mais les résultats n’ont pas encore été testés. Nous avons

montré d’une manière qui nous semble définitive que, dans notre logique, les mots-outils ne

devaient pas intervenir dans l’analyse. En revanche, pour la lemmatisation, d’autres tests

comparatifs avec et sans lemmatisation seront nécessaires pour déterminer le caractère

indispensable ou non de cette étape sur des textes anglais.

L’existence d’une version pour l’anglais, ne résout pas le problème de l’analyse de textes

bilingues. Nous avons vu que l’indexation des réponses avec mots-clefs et la traduction

partielle de ceux-ci était une solution envisageable. Nous sommes actuellement en train de

tester la qualité d’un traducteur automatique, dont dispose l’EPHE. Si celle-ci se révèle

acceptable, on comparera les analyses sur les textes en anglais, puis sur les textes traduits. Si

les résultats sont convergents, toutes les réponses (françaises et anglaises traduites en

français) pourront être analysées simultanément.

Les très nombreux tests que nous avons été amenés à effectuer nous ont conduit à certaines

réflexions sur la démarche d’interprétation. La qualité de la structure lexicale et sémantique

d’un corpus (le fait qu’il soit organisé autour d’un certain nombre de noyaux) est difficile à

définir a priori. Pour dire les choses trivialement, comment peut-on savoir a priori qu’un

corpus de textes se prêtera bien à une analyse lexicale (construction d’une typologie des

discours) ?

Nous avons souvent dit que l’idéal était d’avoir des sources nombreuses parlant d’objets

similaires, comme c’est le cas dans les réponses à des questions ouvertes, dans des récits de

parcours, dans un corpus de fiches de dégustation de vin. Mais il vaut mieux aussi que le

canevas rédactionnel soit similaire et bien respecté. Une fois ces contraintes de départ

respectées, est-on sûr d’obtenir des résultats intéressants, ce qui revient à dire que

l’organisation sémantico-lexicale est interprétable ? Pour avoir une réponse, il n’y a pas

d’autre moyen que de tenter des analyses.

CRÉDOC

62 Conclusion

L'identification de la structure textuelle n’est pas aisée. Benzécri annonçait avec

enthousiasme que l’analyse des données permettait de faire émerger le modèle contenu de

manière cachée dans les données. Mais il n’insistait pas sur le fait que cette « mise à jour »

peut être longue et difficile. Pour un praticien, de nombreux, parfois innombrables, essais

sont nécessaires pour faire surgir cette structure, autrement dit pour sélectionner le meilleur

découpage. Il faut bien reconnaître que parfois les efforts sont vains : que faire de résultats

triviaux ou ininterprétables ?

Conscient de ces difficultés, Max Reinert a conçu au coeur même de son logiciel un test de

stabilité extrêmement robuste : à chaque analyse, deux types de découpages sont effectués et

les deux typologies sont croisées afin de ne conserver que les classes les plus stables. Il

convient en sus de ce test préliminaire d’effectuer de nombreux tests en faisant varier le

découpage, la taille des unités de contexte, le nombre de locutions, le rôle de certains termes,

en lemmatisant ou non... En examinant les résultats, petit à petit se forge dans l’esprit la

représentation globale sous-jacente. On peut dire que la mise à jour est faite quand on

reconnaît presque immédiatement les noyaux recherchés dans une nouvelle analyse.

Ensuite, pour le confort du lecteur, on ne conservera qu’une analyse qui sera le prototype de

toutes les autres et qui mettra le mieux en évidence le modèle. Ce que nous disons ici pour

l’analyse statistique des données textuelles est tout aussi vrai pour les tableaux de données

numériques, pour le traitement des enquêtes par exemple. Construire une typologie est d’une

simplicité enfantine, en revanche, construire une typologie qui soit interprétable par celui qui

la construit et par celui qui la lit est une tâche plus ardue. Là encore il faut présenter une

structure des données où chaque noyau ait sa propre cohérence interne et participe à la

construction de la structure globale. Mais ne passe-t-on pas alors d’une approche descriptive à

une forme de « modélisation » ?

Nous avons par exemple fait des essais sur deux corpus : les fiches Parker et les fiches

Hachette de dégustation de vin. A priori, les corpus respectent les règles de cohérence

présentées ci-dessus. De nombreuses analyses ont été faites, en conservant ou en excluant les

mots-outils, en introduisant ou non certaines locutions, en lemmatisant ou non. Sur l’un des

CRÉDOC


corpus, Hachette, nous sommes parvenus assez aisément à identifier la structure en découpant

les fiches en sous-unités :

ROUGE (Rouge, Bordeaux), BLANC (Blanc, Lignée), (Temps, Coeur de Bourgogne).

Faire une analyse sur des fragments de fiches ou sur les fiches entières conduit à des résultats

assez différents. Dans le premier cas, on obtient à la fois des aspects liés à la mise en mots de

la dégustation, mais aussi des éléments de la structure interne des fiches. Dans le second, on a

bien une typologie des objets.

En revanche, sur le corpus Parker, aucune analyse n'a semblé satisfaisante, parce que les

discordances étaient trop fortes entre les différentes classifications.

CRÉDOC


BIBLIOGRAPHIE

CRÉDOC


ANASTEX S. J. (eds.), (1993). JADT 1993 : Actes des Secondes journées internationales

d'analyse statistique de données textuelles. Paris : TELECOM.

BEAUDOUIN Valérie. (1994). « Avancées en analyse lexicale : structure lexicale, registres et

thèmes », Cahiers de recherche CRÉDOC, n°61. Paris :, 1994, pp. 1-78.

BEAUDOUIN Valérie, LAHLOU Saadi, (1993). « L'analyse lexicale : outil d'exploration des

représentations ». Cahiers de recherche CREDOC, n°48. Paris.

BENZÉCRI, J.P., coll. (1981). Pratique de l'analyse des données, Linguistique et lexicologie.

Paris : Dunod.

BOLASCO Sergio, LEBART Ludovic, SALEM André (eds) (1995). JADT 1995 : III Giornate

internazionali di Analisi Statistica dei Dati Testuali. Roma : CISU, vol. I et IL

CONSTANT Patrick, (1991). Analyse syntaxique par couche. Paris : Doctorat ENST.

Encyclopedia Universalis (1968). « Linguistique et statistique », vol 9, 1968.

LAHLOU Saadi, (1995). Penser Manger : les représentations sociales de l'alimentation, Thèse

EHESS sous la direction de Serge Moscovici.

MARTINET André (1970, 1991). Éléments de linguistique générale, Paris, Armand Colin.

MOUGIN Pascal (1995). « Mondes lexicaux et univers sémantiques : le logiciel ALCESTE au

service de l’étude de l’imaginaire simonien, à partir du traitement de La Route des

Flandres », Literary and Linguistic Computing, Vol. 10, n°l pp. 59-68.

MOUNIN Georges (1963). Les problèmes théoriques de la traduction. Paris, Gallimard.

MULLER Charles, (1977 réed 1992).- Principes et méthodes de statistique lexicale, Larousse,

réimpression Slatkine-Champion, Genève-Paris.- 211p.

PlGAMO Frédéric, (1990). Outils de traitement sémantique du langage naturel. Paris :

Doctorat ENST.

Re INERT Max, (1983). "Une méthode de classification descendante hiérarchique : application

à l'analyse lexicale par contexte". Les cahiers de l'analyse des données, Vol VIII, n° 2.

CREDOC

68 Bibliographie

REINERT Max, (1990). ALCESTE : "Une méthodologie d'analyse des données textuelles et

une application : Aurélia de Gérard de Nerval". Bulletin de méthodologie sociologique,

n°26, pp. 24-54.

Re INERT Max, (1993). "Les « mondes lexicaux » et leur logique". Langage et société, Maison

des Sciences de l'Homme, n°66, p. 5-39.

TESNIÈRE Lucien, (1959, 1982). Eléments de syntaxe structurale. Paris : Klincksieck, 1959,

674 p.

ZlPF G. K., (1974 (1ère édition 1936)).- La psychobiologie du langage : une introduction à la

philologie dynamique, RETZ-CEPL, Paris.

CRÉDOC


ANNEXES

CREDOC


ANNEXE 1 : LE THESAURUS DES PROBLÈMES PRIORITAIRESDE L’ENQUÊTE RECHERCHE ET ENVIRONNEMENT

CRÉDOC


MOTS-CLÉS ET FRÉQUENCES DE CITATION

N.B. : Les mots français sont repérés par le préfixe f

Mot-cléFréquence

d'apparition

migration 182

water scarcity 182

water resources 181forest 180

quality of life 180poverty 177

nuclear wastes 167

marine sites 163

nuclear related risks 162

environmental policy 159environmental degradation 157

environmental consciousness 156overfishing 151extinction of species 150C02 148

food 148marine pollution 143rural areas 141

industrial pollution 137

soil 134

communication 131

natural ecosystems 129

education 128

social cohesion 127

water quality 124

traffic 122

renewable resources 121

Mot-cléFréquence

d'apparition

health 502

climatic change 468air pollution 459

biodiversity 401

demographic growth 387pollution 382

deforestation 359

developing countries 338

transportation 323

energy 321

demographic explosion 302

industry 283

greenhouse effect 252

water pollution 252

values 240

urban areas 237

development 226

water 225soil pollution 217

climate 212

ozone 204

soil erosion 204

agriculture 198

urban life 196desertification 193

fossil fuels 188over exploitation of resources 187

CREDOC

74 Annexes

Mot-cléFréquence

d'apparition

war 79

scarcity of resources 78

conflicts for resources 76

eastern European countries 76

social unrest 75

aids 74

f équilibre Nord Sud 74

unemployment 73

younger generations 73

domestic wastes 72

malnutrition 72

uncontrolled illnesses 72

population pressure 70

alternative energies 69

solidarity 69

rising sea level 68

anthropogenic action 66

north south relation 66

groundwater resources 65

moral outlooks 65

pesticides 64

inefficient environmental policy

63

landscapes 63

northern western countries 63

nuclear energy 63

wasting of resources 63

distribution of world resources

62

waste storage 61

water supply 60

Africa 59

world economy 59

Mot-cléFréquence

d'apparition

consumption consumers 118

hunger 117

industrial risks 115

sustainable development 111

ethics 109

global change 109

industrial wastes 109

demands on energy 108

global warming 107

depletion of resources 102

wastes 102

accidents 101

overpopulation 100

f_ appauvrissement biodiversité

98

drinking water 97

waste management 96

megacities megapolis 95f_ développement économique

92

destruction of ecosystems 91

soil degradation 91

scientific assessment 90

technology 90

chemical pollution 87

interdependency of problems 86

protection of resources 84

acid rain 83

hygiene 83

noise 82

waste recycling 82

epidemics 79

productive land 79

CRÉDOC


Mot-cléFréquence

d'apparition

f appauvrissement du sol 58

natural disasters 58

population control 58

chaotic urbanization 56

democracy 55diffuse pollution 55

social inequalities 55urban rural areas relations 55clean processes 54

soil quality 54

chemical compounds 53demands on resources 51f gestion ressource 51natural resources 51tropical rain forest 51cars motor vehicles 50supremacy of economy 50flora 49

genetically modified organisms

49

public health 48

urban ecology 48non renewable resources 47salinization 47

ageing population 46congestion of space 46

tourism 46f_ action de l’homme 44

f pollution urbaine 44

individualism / selfishness 44

f_ désertification des campagnes

43

f_ production agricole 43

Mot-cléFréquence

d'apparition

public awareness 43viruses 43fisheries resources 42

fresh water 42northern western way of life 42

f_ nucléaire 41

threatened species 41spread of diseases 40cleansing 39genetic research 39biotechnology 38f_ préservation espaces 38fauna 37f_ concentration urbaine 37f surexploitation 37

overconsumption 37acidification 36f_ maladie 36

genetic related risks 36predictability 36toxic wastes dumps 36Asia 35floods 35nuclear powerplants 35

clean energies 34

international institutions 34

new viruses 34

oil spills 34

environmental disasters 33f aménagement du territoire 33

f_ cadre de vie 33

f_ consommation alimentaire 33

f_ financement coût 33

CRÉDOC

76 Annexes

Mot-cléFréquence

d'apparition

f_ devenir des infrastructures 25

f maîtrise des procédés 25

UV effects 25

f villes 24

pauperization 24

terrorism 24

weapons 24

biomass 23demands on water 23

f développement industriel 23f_ irréversibilité 23greed 23organic pollution 23

overcrowding 23rainfalls 23culture 22delayed effects 22exclusion homeless 22

law 22

raw materials 22

environmental cost 21

f atmosphère 21

f pollution agricole 21f prévention des risques 21

f_ traitement des déchets 21

political instability 21

suburbs 21

cancer 20

ecotoxicology 20

f_ économie libérale 20

f pollution des nappes 20

f rejet des polluants 20

f_ stockage 20

Mot-cléFréquence

d'apparition

micro organisms 33

international agreement 32

political systems 32

new diseases 31social explosion 31fertilizers 30

natural regulation 30

undeliberated development 30coastal ecosystems 29coastal pollution 29

energy saving 29nitrate 29

oil 29

survival 29

contaminants 28

destruction threat on habitat 28

environmental sciences 28f pays industrialisés 28

irreversible destruction 28

manipulation disinformation 28

solar energy 28

working conditions 28f maximisation du profit 27

f transport routier 27

new species 27

f_ littoral 26

nuclear weapons testing 26

toxic materials 26

agricultural industrialization 25

degradation of resources 25

droughts 25

drug addiction 25

former USSR Russia 25

CRÉDOC


Mot-cléFréquence

d'apparition

antibiotics 14

CFC production 14

civism 14

electricity production 14

f coopération nord sud 14

f_ modes de vie 14

sewage 14

aid to development 13biotopes 13

f aménagement espaces 13

f gestion écosystèmes 13f parcellisation de l’espace 13

f prise de conscience 13

f terre arable 13illegal activities 13

media 13productivity 13waste exportation 13

bacteria 12

death 12

f génétique 12

f pollution nucléaire 12

f rejets industriels 12

f_ relation au travail 12

f risques de conflits 12

f surmédiatisation 12

replanting 12

research funds 12

resistant species 12

volcanic seismic related risks 12

credibility of science 11

dependence on energies 11

fires 11

Mot-cléFréquence

d'apparition

man made environment 20

timber industry 20

f choix rail route 19

f transport collectif 19

threatened cultural activities 19

fundamentalism religious conflict

18

f risques naturels 18

local travels 18

overproduction 18

arid regions 17

computers / data works 17

dumps 17

ethnic conflicts 17

f mobilité 17

heavy metals 17

newly industrialized countries 17

contempt for politics 16

financial tools 16

f insécurité 16

interdisciplinary approaches 16

long distance travels 16

military activity 16

stratosphere damage 16

biosphere 15

f gestion environnement 15

f maîtrise urbanisme 15

f moyens de communication 15

f répartition humaine 15

f surexploitation agricole 15

human / animal adaptation 15

marine plankton 15

north south conflicts 15

CRÉDOC

78 Annexes

Mot-cléFréquence

d'apparition

f_ course aux armements 7

f élimination déchets 7

f emballages 7

f législation pollution 7

human fertility sterility 7

innovation imagination 7

international crisis 7

product life cycle 7

uniformity of behavior 7

women 7

f concentration du pouvoir 6f_ délocalisation des industries

6

f environnement 6

f hydrocarbures 6

f loisir 6f non respect du droit 6

f perte des valeurs 6

f transport aérien 6grazing of cattle 6leaders awareness 6

wood fuel 6

Amazonia 5

asthma 5

atmospheric pollution 5

availability of resources 5

ecologists 5

f agriculture propre 5

f agriculture traditionnelle 5

f climat régional 5

f_ déchets urbains 5

f désengagement de l’état 5

f_ France 5

Mot-cléFréquence

d'apparition

f approvisionnement en eau 11

f concurrence compétition 11

f_ disparition patrimoine génétique

11

f respect de la personne 11

global entropy 11

aerosols 10

civil wars 10

f acculturation 10

f pénurie d’énergie 10

f qualité aliments 10

f responsabilité individuelle 10

transboundary pollution 10

f problème de société 9f uniformisation des idées 9

indoor environment 9

nationalism 9

pests 9

railroad 9

spread of species 9

biological chemical 8

f embouteillage 8

f gaz à effet de serre 8

f irrigation 8

f mer poubelle 8

f production alimentaire 8

respect to human life 8

rural lifestyle 8

agricultural monocultures 7

authoritarian regimes 7

economical crisis 7

f commerce international 7

f_ conflits eau 7

CRÉDOC


Mot-cléFréquence

d'apparition

family planning 3f allergies 3f_ assèchement 3

f_ choix fleuve route 3

f comportement écologique 3

f_ développement aquaculture

3

f énergie éolienne 3f jeunesse 3

f_ matériaux non dégradables

3

f_ valorisation forêt 3

property rights 3self destruction 3

biotic exchanges 2

corruption 2

f analphabétisme 2

f désaccord scientifique 2

f diversité génétique 2

f_ eau de surface 2

f emploi de proximité 2

f maîtrise développement 2

f militantisme écologique 2

f_ PME PMI 2

f_ résistance des mutants 2

f_ sécurité routière 2

f_ travail des enfants 2

insects 2

non recyclable materials 2

availability of energy 1

concrete 1

f aire de jeux 1

f_ approximation scientifique 1

Mot-cléFréquence

d'apparition

f habitation décente 5

f_ limiter les déchets 5

f océans 5

f pays poubelles 5

f prix de l’eau 5

f produit phytosanitaire 5

f religion 5

f risques technologiques 5

geological timescale 5

middle east 5

polar regions 5

algae 4

carcinogens 4

f acidification de l’eau 4

f acidification sol 4

f chine 4

f gaz 4

f intégrisme 4

f intolérance 4

f inventaire du patrimoine 4

f lac rivière 4

f pénurie du bois 4

f produits polluants 4

f_ relation humaine 4

f ressource renouvellement 4

f risques biologiques 4

f transfert de technologies 4

f transport électricité 4

genetic illnesses 4

space matters 4

taxation 4

abortion 3

diesel 3

CRÉDOC

80 Annexes

Mot-cléFréquence

d'apparition

f droit d’ingérence 1

f écologie des transports 1

f économie des transports 1

f Inde 1

f investissement dans PVD 1

f_ méthane 1

f MST 1

f_ vaccination 1

individual liberty 1

mutagens 1

nuclear materials transport 1

phosphate 1

self sufficiency 1

CRÉDOC


APPARIEMENT MOTS-CLÉ S ANGLAIS ET FRANÇAIS

Français Anglais Français Anglais

accident

accroissement démographique

aérosol

Afrique

agriculture s.a.i.

appauvrissement ressources

arme chimique/biologique

arme nucléaire

Asie

banlieue/ghetto

biodiversité

biomasse s.a.i.

biotechnologie s.a.i.

biotopes

bruit

cancers

catastrophe écologique

centrale nucléaire


changement global

chômage / emploi

circulation automobile

climat s.a.i.

C02

cohésion sociale

Accidents

Demographic growth

Aerosols

Africa

Agriculture

Scarcity of resources

Biological/chemical weapons

Nuclear weapons testing

Asia

Suburbs

Biodiversity

Biomass

Biotechnology

Biotopes

Noise

Cancer

Environmental disasters

Nuclear powerplants

Climatic change

Global change

Unemployment

Traffic

Climate

C02

Social cohesion

générations futures

gestion déchets

hygiène

individualisme

industrie s.a.i.

inégalités sociales

inondation

insectes

institutions internationales

interdépendance des

problèmes

interdisciplinarité

maladie nouvelle

malnutrition

manipulation génétique

matières premières

mégalopoles

micro-organismes

milieux marins

milieux ruraux

mondialisation de l'économie

morale civique

morbidité / mortalité

mutation génétique

nappes phréatiques

nitrates

Younger generations

Waste management

Hygiene

Individualism/selfishness

Industry

Social inequalities

Floods

Insects

International institutions

Interdependency of problems

Interdisciplinary approaches

New diseases

Malnutrition

Genetic research

Raw materials

Megacities/megapolis

Micro-organisms

Marine sites

Rural areas

World economy

Moral outlooks

Death

Genetically-modified organisms

Groundwater resources

Nitrate

CRÉDOC

82 Annexes


Rising sea levelcombustible fossile

communication/information

concentration humaine

conflits d'usage des ressource

conflits ethniques

conflits militaires

conflits s.a.i.

conflits sociaux

consommation d'eau

consommation d'énergie

consommation s.a.i.

couche ozone

culture

décharges

décharges/déchets toxiques

déchets industriels

déchets ménagers

gaspillage des ressources

déchets nucléaires

déchets s.a.i.

déforestation

dégradation du sol

dégradation ressources

démocratie

désertification

développement durable

diesel

disparition des espèces

drogues

droit s.a.i.

Fossil fuels

Communication

Population pressure

Conflicts for resources

Ethnie conflicts

Military activity

War

Social unrest

Demands on water

Demands on energy

Consumption/consumers

Ozone

Culture

Dumps

Toxic wastes/dumps

Industrial wastes

Domestic wastes

Wasting of resources

Nuclear wastes

Wastes

Deforestation

Soil degradation

Degradation of resources

Democracy

Desertification

Sustainable development

Diesel

Extinction of species

Drug addiction

Law

niveau des mers

nouvelles espèces

NPI

paupérisation

pauvreté

pays de l'est

paysage

pénurie en eau

pesticides

pétrole

pluies acides

pluviosité

politique environnementale

pollution air

pollution chimique

pollution des côtes

pollution diffuse

pollution eau

pollution industrielle

pollution mer

pollution s.a.i.

pollution sol

procédés propres

PVD s.a.i.

qualité eau

qualité vie

reboisement

réchauffement

recyclage déchets

New species

Newly Industrialized Countries

Pauperization

Poverty

Eastern-European countries

Landscapes

Water scarcity

Pesticides

Oil

Acid rain

Rainfalls

Environmental policy

Air pollution

Chemical pollution

Coastal pollution

Diffuse pollution

Water pollution

Industrial pollution

Marine pollution

Pollution

Soil pollution

Clean processes

Developing countries

Water quality

Quality of life

Replanting

Global warming

Waste recycling

CREDOC



eau douce Fresh water région aride Arid regions

eau potable Drinking water réglementation internationale International agreement

eau s.a.i. Water régulation naturelle Natural regulation

écologie urbaine Urban ecology relation ville/campagne Urban/rural areas relations

économie énergie Energy saving répartition des ressources Distribution of world resource

écosystèmes naturels Natural ecosystems respect de l'environnement Environmental consciousness

éducation Education ressource eau Water resources

effet de retard Delayed effects ressource marine Fisheries resources

effet de serre Greenhouse effect ressource non renouvelable Non-renewable resources

énergie de substitution Alternative energies risques génétiques Genetic related risks

énergie non polluante Clean energies risques industriels Industrial risks

énergie nucléaire Nuclear energy risques nucléaires Nuclear-related risks

énergie renouvelable Renewable resources risques sismiques/volcaniques Volcanic/seismic related risks

énergie s.a.i. Energy salinisation Salinization

énergie solaire Solar energy santé Health

engrais Fertilizers santé publique Public health

épidémie Epidemics sécheresse Droughts

épuisement ressources Depletion of resources SIDA AIDS

érosion Soil erosion solidarité Solidarity

éthique Ethics sols s.a.i. Soil

évaluation scientifique Scientific assessment surexploitation halieutique Overfishing

ex-URSS Former USSR/ Russia surexploitation ressources

naturelles

Over exploitation of resources

exclusion Exclusion/homeless people surpopulation Overpopulation

explosion démographique Demographic explosion terrorisme Terrorism

exportation déchets toxiques Waste exportation tourisme Tourism

famine Hunger transport s.a.i. Transportation

faune Fauna transport urbain Local travels

fertilité du sol Soil quality urbanisation Urban areas

flore Flora valeurs s.a.i. Values

CRÉDOC

84 Annexes


flux migratoire humain Migration vie en ville Urban life

forêt amazonienne Amazonia vieillissement population Ageing population

forêt s.a.i. Forest virus Viruses

forêt tropicale humide Tropical/rain forest virus nouveaux New viruses

CRÉDOC


ANNEXE 2 : ANALYSE DES OBSERVATIONS DES QUESTIONNAIRES EN FRANÇAISDE L’ENQUÊTE RECHERCHE ET ENVIRONNEMENT

Ségolène EVEN

CRÉDOC


Comme de nombreux questionnaires, l'enquête « Recherche et Environnement : problèmes

prioritaires et problèmes émergents » propose aux répondants de noter, en fin de l’étude,

leurs remarques et leurs perceptions : « Quelles sont vos observations sur le contenu de cette

enquête ? ». Il nous a semblé intéressant d’effectuer un travail d’analyse sur cette question

précise, par ailleurs très rarement traitée. Le répondant, libre de réagir dans le sens qui lui

convient, nous informe sur la lisibilité et la compréhension du questionnement. Cette analyse

permettrait en outre d’enrichir les résultats finaux, du moins de les relativiser..

Pour traiter cette question, nous n’avons pris en compte que les questionnaires en français, car

l’analyse simultanée des deux langues anglais - français était trop complexe. Nous avons

utilisé le logiciel ALCESTE afin de dégager au travers d’une analyse des cooccurrences les

profils de réponses. Notons que globalement, le nombre de réponses est peu élevé : sur les

373 questionnaires français, 102 chercheurs n’ont rien répondu à cette question. Nous

travaillons donc sur une base de 201 observations classées.

Les observations se répartissent en deux ensembles principaux et distincts, d’égale

importance (102 observations contre 99). Chaque ensemble se subdivise jusqu’aux sept sous-

ensembles finaux que nous nommerons classes.

Ces deux groupes se distinguent par la nature des critiques formulées par les chercheurs. En

l’occurrence, il ne s’agit pas d’une distinction entre critique positive et critique négative, mais

entre un constat de pure forme et une analyse des fondements sur lesquels repose l’enquête.

Le premier groupe est constitué d’observations qui évaluent essentiellement la forme du

questionnaire. La réaction est instinctive, affective, elle exprime le sentiment qui se dégage

immédiatement, les chercheurs se racontent. Le questionnaire est défini par sa complexité et

sa longueur ; quoiqu’intéressant et suscitant la réflexion, le temps manque aux scientifiques

pour mieux y répondre. Il serait intéressant d’y comparer le taux de questions ouvertes

laissées sans réponse. Cet ensemble constate, et donc ouvre peu le débat, bien que des

jugements positifs émergent selon les classes qui composent ce groupe.

CRÉDOC

88 Annexes

Le second groupe formule une critique de fond en s’interrogeant sur les choix de l’enquête.

Les remarques s’articulent autour du sens des questions, de la compétence des scientifiques,

de la formulation des enjeux et du rôle des différents acteurs de l’environnement. Le débat est

ouvert sur les postulats formulés par l’enquête, sur la manière dont les questions furent

posées, sur l’opportunité même d’une enquête s’adressant aux scientifiques. La critique est

plus profonde, bien qu’ici encore il faille se garder d’analyser le contenu des réponses dans une optique uniquement négative.

Car, et cela est valable pour la totalité des observations, il transparaît une note de satisfaction

au travers de toutes les réponses que nous avons eues : l’enquête, si elle est jugée parfois mal orientée, ambiguë ou longue, a le mérite d’être ambitieuse.

CRÉDOC


L’ENSEMBLE A : PERCEPTION ET CONSTAT

.Classe 1 - Enquête complexe

Cette classe représente 17% des réponses classées, soit 34 observations. La remarque type du

chercheur porte ici sur la complexité de l’enquête. Les mots significatifs qui forment cette

classe sont l’adjectif « difficile+ » et le verbe « rempl+ir ». C’est en considérant le manque

d’aisance qu’il a éprouvé pour répondre aux nombreuses questions de l’enquête que le

chercheur formule ce constat : répondre au questionnaire est compliqué. Cette réaction est

d’ordre affectif, il nous est fait part d’un certain ressentiment.

Les phrases qui suivent illustrent bien ce point :« Beaucoup de mal à le remplir [...]. En les relisant, je ne suis pas fier, mais c’est fait. »« Certaines rubriques sont très difficiles à remplir. »

Des justifications supplémentaires enrichissent cette première remarque au travers des mots

« ambigu<», « complet+ », « ouvert+ », « heure+ », et l’explicitent plus en détail.

• L’ambiguïté de certaines questions justifie la qualification initiale sur la complexité et

l’étaye précisément. Elle renvoie même le plus souvent à des exemples particuliers.« Questions 2 à 8 ambiguës ».

• L’exhaustivité est une considération positive sur l’extrême richesse de l’enquête, mais elle

rend compte également de sa complexité : faire le choix d’une réponse adéquate et

intelligente est compliqué par la multitude des solutions proposées.« Difficile à remplir car très vaste ».<• Utile, complet et cohérent ■>.

• Le mode de questionnement par le biais des nombreuses questions ouvertes est apprécié.« Bon compromis entre le questionnaire ouvert et fermé •>.

Mais, par cette allusion implicite à la rédaction, le chercheur renchérit de nouveau sur la

complexité de cette enquête, où l’abondance des questions ouvertes oblige à l’écriture et à

l’argumentation. La référence au temps au travers du mot « heure+ » transparaît ici.

CRÉDOC

90 Annexes

Classe 2 - Enquête trop longue mais bien faite

Cette classe est formée de 30 observations, soit 15% des réponses classées.

Deux éléments de réponses composent cette classe : un constat d’ordre général à connotation

parfois négative, nuancé par des termes laudatifs.

L’essentiel de la remarque porte ici sur la durée excessive du questionnaire. Les mots les plus

représentatifs sont le verbe « répondre. » et le mot « long+ ». Tels que, ces termes sont

strictement informatifs, comme l’illustre cette phrase type :« C'est long ! ».

Ce constat s’enrichit toutefois avec la présence du mot « difficulté+ »,« souvent difficile à répondre simplement »,

et des adverbes « trop » et « peu » (à comprendre dans le sens de « quelque peu »), qui sont

des segments répétés fréquemment.Trop long, trop complexe »

« Un peu long. Difficulté pour répondre. »

Les mots suivants, également typiques de la classe, renvoient à une qualification plus positive

du questionnaire : « simple+ », « idée+ », cohérence », et le segment répété « bien faite ».

La nuance est donc de mise d’autant que, le mot outil le plus représentatif est « mais ». Il y a donc bien rupture dans la formulation de la critique :

« A nécessité un temps assez long, mais a permis de synthétiser des idées, voire à déboucher sur une certaine cohérence. »

A ce titre, les deux autres verbes représentatifs de cette classe, « espér+er » et consacr+er »,

exprimant l’engagement, révèlent une réelle volonté de participation. Du moins le chercheur

ne reste pas indifférent à l’enquête, en dépit des propos parfois négatifs qu’il peut tenir :« Un peu long, mais très bien faite. Espérons que ça serve aussi à notre environnement ».

Cette classe se caractérise d’ailleurs par l’emploi fréquent de la première personne du

singulier dans les segments répétés, marque que les chercheurs se sont sentis concernés par

l’enquête : « je ai », « je espér+er qu+ », « je ne », qu+je ai ».

CREDOC


Classe 4 - Enquête intéressante qui oblige à la réflexion

Cette classe comprend 21 observations, soit 10% des réponses classées. Le questionnaire est

d'emblée qualifié par cette classe sur le mode de l’estime. « Intéressant+ » et « réflex+ion »

sont en effet les deux mots les plus caractéristiques. Ils sont relayés par d’autres termes :

« demand+er », « travail<», « aller. », « nécessite+ », « permis », soit autant de termes qui

font référence au mot « réflexion+ » et qui construisent autour de ce qualificatif un réseau de

remarques, qui éclaire sur la façon dont l’enquête interpelle le chercheur :

demande - réflexion,

travail - réflexion,

nécessite - réflexion

permis - réflexion.

Au travers de ces mots, le chercheur décline les modalités de sa participation ; il démontre

qu’il a joué le jeu, peut-être même le revendique. Il indique en tout cas deux axes récurrents

dans les autres classes de ce groupe de remarques :

• le questionnaire a demandé de la réflexion, donc l’obligation de travail, ce qui n’est pas

sans laisser poindre un léger reproche quant à l’effort qu’exige l’enquête. Cet effort

renvoie à la qualité complexe du questionnaire déjà évoquée précédemment ;

• le questionnaire oblige à la réflexion, c’est-à-dire qu’en la suscitant, il permet de clarifier

les idées, de rebondir, d’ouvrir de nouvelles perspectives d’analyse.

C’est d’ailleurs sous cet angle de la réflexion suscitée que l’enquête acquiert de l’intérêt. La

phrase qui suit illustre bien cet aspect :« Questionnaire qui a nécessité un très important effort de réflexion pour essayer d'apporter des réponses appropriées et qui pourraient être utilisées par les décisionnaires ».

CREDOC

92 Annexes

Classe 5 - Enquête qui mérite du temps difficile à se ménager

Cette classe comprend 17 observations, soit 8% des réponses classées. Cette classe traite en

fait de remploi du temps des chercheurs. L'organisation de leur temps de travail est au centre

de leurs propos et c'est sous cet aspect que le questionnaire est considéré.

Le mot le plus important est donc « temps ». Deux verbes caractérisent le temps :

« trouv+er » et « mérit+er ».

Il est donc question du temps nécessaire que le chercheur doit se ménager dans son emploi du

temps pour répondre au questionnaire, mais également de temps qu’il aurait souhaité avoir pour mieux y répondre.

• La contrainte du temps

Le premier verbe « trouv+er », en impliquant la durée excessive du questionnaire, fait

référence à la contrainte de temps qui lie le chercheur à ses activités. La longueur de

l’enquête, critique latente pour l’ensemble de ce groupe, est soulevée ici parce que les chercheurs luttent pour aménager leur planning.

Voici quelques phrases typiques construites autour de trouver du temps :« Répondre sérieusement à ce type d’enquête requiert un temps énorme ! ».« Un peu trop long ! On se lasse rapidement. En fait, on n’a pas forcément le temps ».« Enquête bien construite, demande bien évidemment du temps difficile à se ménager ».

• L’insatisfaction.

Le second verbe « mérit+er » introduit une valeur positive, qui va dans le sens du souhait de

participation et de la reconnaissance, mais révèle sans doute dans le même temps

l’insatisfaction, le regret.« Il donne envie d’écrire des pages et des pages sur le sujet et en même temps suscite le regret de n’avoir pas le temps nécessaire ».« Beaucoup de questions auraient mérité de longues réponses pour répondre complètement ».

En mentionnant la charge de travail très lourde qui lui incombe, en évoquant un emploi du

temps chargé, le chercheur valorise implicitement l’enquête. Puisque l’organisation de son

temps de travail est au centre de sa préoccupation, l’enquête à laquelle il a cependant bien

voulu répondre, acquiert en conséquence une certaine valeur. Elle fut jugée suffisamment

CREDOC


intéressante pour prendre lieu et place d’autres travaux. Mieux, le regret de ne pouvoir faire plus en terme de participation est sincèrement exprimé.

Les chercheurs de cet ensemble qualifient pour l’essentiel la forme même du questionnaire.

Délicat à traiter, celui-ci se définit quasi strictement par sa longueur et sa complexité. Ce

jugement est essentiellement descriptif. De fait, ce sont les sentiments qui guident l’essentiel

des remarques ; on note ainsi l’importance de l’utilisation de la première personne du

singulier. Car les chercheurs parlent d’eux mêmes et de l’aisance avec laquelle ils ont

répondu aux nombreuses questions ouvertes et fennées.

Surtout, par delà une description critique de l’enquête, les chercheurs avouent implicitement

leur curiosité, si ce n’est leur intérêt. Certes, l’enquête est excessive : trop longue, trop riche ;

elle est exigeante : trop compliquée, trop envahissante pourrait-on dire au regard des

contraintes de temps énoncées par les chercheurs. Mais elle intéresse. Car, en dépit de ces

contraintes qui limitent de manière si draconiennes son emploi du temps, le chercheur a pu

répondre à l’enquête, car il l’a jugée nécessaire et utile. Elle intéresse sans doute aussi parce

qu’elle ouvre une perspective : on peut supposer que ce questionnement, qui a mobilisé effort

et réflexion, se poursuivra au-delà de ces quelques heures passées à répondre à l’enquête. En

proposant des idées, des scénarios, en donnant à discuter des points de vue, peut-être

l’enquête se prolongera-t-elle dans le temps, dans cet avenir qu’elle aura contribué à décrypter.

On ne peut cependant faire l’économie de cette dernière remarque : si l’enquête se trouve

valorisée d’avoir été intégrée à l’emploi du temps des chercheurs parce qu’elle était

intéressante et bien faite, il n’en demeure pas moins vrai que c’est en considérant le Temps,

comme contrainte et comme exigence, que peut être compris le nombre infime des réponses

par rapport à la quantité de questionnaires envoyés.

CRÉDOC

94 Annexes

ENSEMBLE B : ANALYSE ET PROSPECTIVE

Classe 6 - Pertinence des évaluations

Cette classe est formée de 16 observations, soit 8% des réponses classées. Si aucun mot

particulier n’émerge réellement de cette classification, on notera que les mots « colonne+ »,

« impact », « tendance+ », « positi+f », « négati+f », renvoient au chapitre sur « Vos

hypothèses sur l’avenir de la planète », pages 12 à 15. La lecture des phrases types le confirme :

« La partie scénario est très peu claire[...] >>“ [...] Pour certaines tendances, les colonnes impact de la tendance n’a pas toujours un sens clair. •>« [...] Pages 12, 13, 14, impact sur l’environnement faible à fort : on est gêné, car il n’y a pas de distinction entre impact positif ou négatif [...] ».

Il n’est pas facile de répondre à la question : vos hypothèsesj...] ».

Un chapitre entier de l’enquête est donc soumis à l’observation critique des chercheurs.

Propositions et systèmes d’évaluations sont dénoncés pour leur manque de pertinence ou de clarté. Ces questions sont trop ambiguës.

On constatera que cette remise en cause porte sur l’unique partie du questionnaire

essentiellement composée de questions fermés. L’enquête proposait d’y évaluer l’importance

de tels ou tels facteurs pour l’avenir (facteurs politique, économique, social, technologique,

juridique). Dans ce cadre fermé, rigide et directif, le chercheur n’a pas trouvé de propositions

de réponse (impacts faible à fort, positif ou négatif, probabilité...) qui le satisfasse.

CRÉDOC


Classe 3 - Compétence scientifique et sens du questionnaire

Cette classe est formée de 29 observations, soit 14% des réponses classées. Cette classe se

constitue dans une opposition entre « compét+ent » et « opinion+ » face à un double

problème de « sens ».

« Sens » est le mot le plus caractéristique de cette classe mais il a deux acceptations : il

désigne le champs de l’enquête et de l’autre, la signification des questions. « Compét+ent »

renvoie au préambule du questionnaire « Enquête prospective internationale auprès de la

communauté scientifique [...] Votre métier vous confère une place particulière [...]. », donc

au choix des enquêteurs d’interroger les chercheurs parce que ce sont des scientifiques.

« Opinion+ » est entendu dans l’acceptation opposée du terme « compét+ent », surtout si la

compétence est scientifique ; il se comprend comme « formuler un avis » différent de la

« vérité scientifique », qui est prouvée, argumentée, obéissant à des lois, vérifiée par la

méthodologie expérimentale.

• Questionnaire généraliste et expertise

Le problème posé par « sens » s’enrichit ici des mots « général+ » et « large+ » qui rendent

compte de l’ampleur, de la diversité et de la richesse de l’enquête. « Sens » est compris ici

comme étendue ; il est question du « sens large », du « sens général » de l’enquête.

C’est à cette multitude de sujets à traiter que s’oppose « compét+ent ».

L’abondance des situations envisagées par l’enquête, qui font référence à des domaines

scientifiques très variés, place le chercheur dans une situation paradoxale : il n’est pas en

mesure de traiter toutes les questions en tant que spécialiste, car il ne connaît pas toutes les

spécificités des problèmes d’environnement. En place et lieu de l’expertise demandée par

l’enquête, il répond de son ignorance et postule donc pour une réponse d’ordre général, qui

est loin du jugement scientifique.

Voici quelques phrases types de cette classe qui illustrent parfaitement ce paradoxe :« Le fait d’être spécialiste d'un problème ne rend pas obligatoirement compétent pour traiter d’un autre et je n’ai pas répondu à plusieurs questions que dans cet esprit. J’ignore l’état de la question par exemple sur l’effet de serre, l’ozone. Beaucoup de questions posées sont des questions d’opinion et doivent être traitées comme telles sans donner un caractère plus certain. »

CRÉDOC

96 Annexes

« J’ai peu de compétence sur beaucoup de questions. Beaucoup de mes réponses sont instinctives plus que scientifiques. »■< Questionnaire large, qui dépasse forcément les compétences de chacun. >>“ Dans son principe, excellente idée ; dans la pratique, très marquée par une idéologie utilitariste. Par ailleurs, les questions sont si générales que les réponses relèvent souvent plus de l'opinion que de la réelle expertise. »

Ainsi, l’importante variété des sujets abordés par le questionnaire ne permet pas aux scientifiques de jouer leur rôle d’expert.

• Opinion et expertise

La formulation des questions soulève un autre problème de sens. En effet, les termes

« champ+ » et « échelle+ », renvoyant aux questions elles-mêmes, font directement référence

à la manière dont sont abordés les problèmes d’environnement. Non seulement, la

signification et la clarté des questions sont remis en cause —elles sont parfois considérées

comme ambiguës—, mais leur pertinence est également sujette à caution : l’enquête

appellerait plus des opinions que des certitudes. En conséquence, le chercheur s’inquiète de nouveau sur la validité de son interrogation en tant qu’expert.

<< Les questions sont quelques fois formulées en fonction de la réponse que vous souhaitez, cf. pages 12 et 15 : cela rend les réponses confuses et peu claires. Manque de précision des intitulés des questions : on ne sait pas à quelle échelle vous parlez, ou là où vous voulez en venir. »« Beaucoup de questions posées sont des questions d’opinion et doivent être traitées comme telles sans donner un caractère plus certain ■>.

Cette classe est sous le signe du doute. On note d’ailleurs deux autres termes « risque+ » et

« réserve+ », qui mettent en avant le souci de prudence et de restriction. De même, les mots

outils caractéristiques de cette classe expriment majoritairement la négation, « ne », « pas », et l’alternative par « ou ».

Les chercheurs font part de leur perplexité face à ce qu’ils considèrent comme deux

approches contradictoires du questionnaire : d’une part, une volonté affichée d’interroger des

experts ; de l’autre un questionnaire généraliste aux interrogations ambiguës, dans lequel l’expert ne se retrouve pas.

CRÉDOC


Classe 7 - Definition des responsabilités et des modes d’action

Cette classe représente 54 observations, soit 27% des réponses classées. Il s’agit de la classe

la plus importante. Elle se distingue par le nombre et la variété de son vocabulaire. On peut

d’ailleurs noter les nombreux mots outils dont le plus important est le mot de liaison « et »,

qui marque la longueur de l’argumentation.

• Les acteurs de l’environnement

Une articulation essentielle apparaît au travers de deux ensembles de mots :

- « politit+3 », « économ+3 » et « industri »,

- « recherche+ », « scientifi » et « cherch+eur ».

Ces deux ensembles peuvent être compris comme opposés ou complémentaires. Ils stipulent

en tout cas que chacun de ces acteurs joue un rôle face aux « problèmes d’environnement »

(segment répété le plus caractéristique de cette classe). Les chercheurs sont loin d’être les

seuls acteurs concernés ; il faut élargir le débat et interpeller les mondes politique et

économique, responsables face aux détériorations de l’environnement, et impliqués la

résolution des problèmes. Les chercheurs de cette classe souhaitent redéfinir les obligations

respectives de chaque acteur de l’environnement, car, chacun d’eux doit prendre en charge ce

qui lui incombe réellement : les termes « act+ion » et « choix », ainsi que les verbes

« concern+er » et « consid+er » y référent. Sans doute pourrait-on considérer trois grands acteurs :

• Industrie et économie

La responsabilité, en terme de détérioration, incomberait en majorité à l’industrie et

l’économie qui, si l’on s’en réfère aux phrases types caractérisant cette classe, proposent et

imposent un modèle de développement économique néfaste pour l’environnement.<■ [L'environnement] ne sera en aucun cas résolu par les lois du marché, par une croissance accrue, y compris

par une croissance accrue au niveau mondiale. Tant que polluer coûtera moins cher aux pollueurs que

CRÉDOC

98 Annexes

dépolluer, tant que les règlements internationaux les protégeront, même involontairement, par leur complexité, alors il y aura toujours plus de problèmes d’environnement ».

[...] Le monde des affaires, qui raisonnent eux à court terme et à travers des profits croissants, [font] abstraction de données capitales pour l’équilibre de la planète ».“ En dernière analyse, les responsables des problèmes retrouvés sont les négociants, capitalisme sauvage [...]. Arrêter la production pour faire monter les prix est la cause la plus sévère d'une nouvelle pression contre les ressources naturelles ».

• Monde politique

Transition entre la responsabilité et Taction, le monde politique est critiqué pour son inertie

face aux problèmes d’environnement, mais il est aussi défini comme le plus habilité à agir pour le respect de l’environnement.

« [—] L’environnement est avant tout un choix politique. »

Au regard de son pouvoir d’intervention, les chercheurs reprochent au politique son absence ou son peu d’efficacité.

• La recherche

Enfin, en se confrontant au politique, la recherche délimite la place qu’elle pense raisonnable

d occuper, dans des modalités d’interventions à la fois totalement autonomes sur certains points, mais aussi tributaires de l’action politique pour d’autres.

“ [...] La solution des problèmes soulevées sont souvent d’ordre politique et la recherche sert d’alibi pour retarder les prises de position plus courageuses ».

■> L’environnement est un problème de politique mondiale. Les scientifiques n’ont pas de solutions à proposer dans ce domaine, sauf des idées individuelles, des dangers à signaler ».■< [...] Un souhait : bien distinguer ce qui est connu et attend des solutions politiques sans nécessiter de recherche nouvelle, ce qui est incertain et nécessite des recherches de techniques, de politiques, d’actions le plus souvent sociales ».“ [...] Les thèmes de recherche devraient être confrontés et discutés avec des responsables des grands groupes industriels et de commerce international ».

Cette distinction que la recherche opère entre des projets qu’elle mène à terme, des solutions

qu’elle apporte, et leurs mises en application souvent tardives par les décideurs politiques, la

rend sereine. L’enquête interroge la recherche ; celle-ci lui répond en s’interrogeant sur l’efficacité de l’action politique.

D’une certaine manière, la recherche suggère ici que la pérennité et l’aggravation des

problèmes d’environnement n’est pas tant de sa responsabilité que celle d’autres acteurs,

CREDOC


politique ou économique. Il est donc souhaitable que son propre pouvoir d’action et de

décision soit replacé dans cette problématique qui intègre l'économie de marché et la réglementation.

• Globalité et interactions des problèmes d’environnement

Une seconde tendance d’importance se dégage de cette classe ; elle complète la définition des

responsabilités en considérant les niveaux d’interventions souhaitables pour une prise en charge effective des « problèmes d’environnement ».

Cette tendance se définit au travers des mots suivants : « globa+1 », « mondia+1 »,

« planète+ », que l’on suppose en opposition aux termes « loca+1 » ou « nationa+1 ».

L’action à mener par les acteurs répertoriés précédemment nécessite que soit au préalable

défini à quel niveau l’intervention est souhaitée pour qu’elle soit efficace. L’enjeu est ici

l’échelle ou les échelles dont il est nécessaire de débattre, car la résolution des problèmes

d environnement dépend tout particulièrement de l’analyse que l’on fait de ces mêmes

problèmes en termes d intensité, d’étendue, de durée et de connexion. C’est en s’accordant

sur la manière d’aborder les problèmes, puis de les traiter, que l’on sera réellement efficace.

Or, 1 efficacité passe, pour les chercheurs de cette classe, par la conscience de la globalité.« [...] Les solutions doivent aussi devenir mondiales. L'écologie montre que tout est lié. On ne peut traiter la question de l'effet de serre, par exemple, qu’en réduisant la combustion de produits fossiles. Il faudrait pour compenser développer le nucléaire. De même, ces questions sont liées à des problèmes de développement économique. On ne résoudra rien en s’attaquant aux problèmes les uns après les autres ; seule une réflexion globale peut s'avérer payante à long terme, cf. la devise bien connue « think globally, act globally », si elle est suivie de décision au plan local ».« La gestion des problèmes d'environnement s’inscrit davantage dans une meilleure prise en compte globale de développement durable et de l’équilibre politique et économique ».« Il est extrêmement encourageant qu’une initiative telle celle-ci serve à la prise de décision globale ».

Résoudre les problèmes d’environnement demande que toute la planète soit considérée. Une

prise en charge parcellaire ne fera que retarder la résolution des problèmes.

L ensemble de ces observations est à placer sous le signe de la critique constructive. En

partant d une critique du sens, les chercheurs enrichissent le débat d’une réflexion sur la

CRÉDOC

100 Annexes

responsabilité et la prise en charge. De ce point de vue, la remise en cause du questionnaire est progressive.

Il est tout d abord question d exemples précis, aux propositions trop rigides pour permettre

aux chercheurs d exprimer avec justesse leurs certitudes. Le propos s’élargit ensuite au

caractère généraliste de 1 enquête, qui oblige l’expert à relativiser ses certitudes et à ne

prononcer que des avis. Sur ce point, les chercheurs avouent leur perplexité face à ce qui leur semble comme le paradoxe de cette enquête.

De là, ils ouvrent le débat sur la responsabilité et l’action, non sans noter qu’une fois encore,

les problèmes d'environnement sont abordés du point de vue de la connaissance scientifique,

alors qu il s avère urgent de les appréhender aussi du point de vue de l’action politique. Une

telle démarche tiendrait compte de cette notion de globalité que les chercheurs définissent comme essentielle.

On perçoit enfin au travers de cette analyse une certaine ambiguité : Si la globalité et

1 interaction sont des notions fondamentales sans lequelles aucune solution ne peut être

engagée, pourquoi une enquête généraliste, qui en beaucoup de points adopte cette perspective, désarme les chercheurs.

CRÉDOC

Dépôt légal : Septembre 1 996

ISSN : 1257-9807

ISBN : 2-84104-072-0

CAHIERRëCHERCHE

Récemment parus :

Consommateurs et préférences de consommation en 1996Aude COLLERIE DE B OREL Y - n°88 (1996)

Deux articles sur la localisation industriellePhilippe MOATI - n°89 (1996)

Les inégalités en France : les différentes façons de “penser” en haut et en bas de l’échelle socialeGeorges HATCHUEL, Anne-Delphine KOWALSKI et Jean-Pierre LOISEL - n°90 (1996)

Estimations de lois de consommation alimentaire sur un pseudo panel d’enquêtes de l’INSEENilton CARDOSO, François GARDES - n°91 (1996)

L’évolution de l’emploi dans l’industrie manufacturière françaisePhilippe MOATI, Laurent POUQUET - n°92 (1996)

Méthode d’étude sectorielle - Vol. 2Philippe MOATI - n°93 (1996)

Modélisation des choix alimentaires des ménagesPatrick BABAYOU, Aude COLLERIE DE BORELY - n°94 (1996)

Président : Bernard SCHAEFER Directeur : Robert ROCHEFORT 142, rue du Chevaleret, 75013 PARIS ■ Tél. : 01 40 77 85 01

ISBN : 2-84104-072-0

Centre de recherche pour l'Étude et l'Observation des Conditions de VieNi

4 £

O CC

Analyse lexicale de corpus en anglais

Documents

Transcript of Analyse lexicale de corpus en anglais